CN113384266A - 一种智能坐姿监测分析系统及方法 - Google Patents
一种智能坐姿监测分析系统及方法 Download PDFInfo
- Publication number
- CN113384266A CN113384266A CN202110854106.8A CN202110854106A CN113384266A CN 113384266 A CN113384266 A CN 113384266A CN 202110854106 A CN202110854106 A CN 202110854106A CN 113384266 A CN113384266 A CN 113384266A
- Authority
- CN
- China
- Prior art keywords
- pressure
- sitting posture
- user
- data
- sitting
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000036544 posture Effects 0.000 claims abstract description 145
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000012549 training Methods 0.000 claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 24
- 238000013079 data visualisation Methods 0.000 claims description 11
- 239000013589 supplement Substances 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 239000010408 film Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- 208000008035 Back Pain Diseases 0.000 description 2
- 206010028391 Musculoskeletal Pain Diseases 0.000 description 2
- 208000007613 Shoulder Pain Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000000276 sedentary effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010023509 Kyphosis Diseases 0.000 description 1
- 208000007623 Lordosis Diseases 0.000 description 1
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 208000020307 Spinal disease Diseases 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 206010039722 scoliosis Diseases 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Abstract
本发明涉及一种智能坐姿监测分析系统及方法,其功能模块包括压力传感单元、控制电路单元、移动处理终端和服务器模块,控制电路单元选择性地对若干个所述压力传感单元进行扫描并完成对多路压力信号的自动循环分时采样;移动处理终端基于所述控制电路单元输出的使用者在坐立时各压力传感单元的压力信息及预设的阈值信息完成使用者坐姿的判断并做出坐姿信息反馈;服务器模块接收并存储使用者的坐姿压力数据以及所述移动处理终端分析处理后的坐姿信息,且其能够为不同使用者生成并存储与个人坐姿相关联的训练集数据。本申请能够对使用者坐姿进行识别,并对错误坐姿发出语音提醒,进而辅助使用者实时了解自身坐姿状态,从而及时纠正不良坐姿习惯。
Description
技术领域
本发明涉及智能坐姿监测技术领域,尤其涉及一种智能坐姿监测分析系统及方法。
背景技术
被动地学习一个人的行为和活动在无处不在的计算机应用领域变得越来越流行,例如,知道一个人什么时候上下班、工作、休息和睡觉,以及他或她的状况如何。在日常生活中,一个人大部分时间都坐在椅子上,尤其是工作或学习的时候。根据2003-2004年全国健康与营养调查收集的数据,人们久坐的时间为7.7小时。《华盛顿邮报》的一篇文章提到,2015年上班族平均坐10个小时左右。显然,人们每天花在椅子和沙发上的时间很长,甚至可能比他们睡觉的时间更长。
坐姿行为对人体伤害包括多个方面,特别是不当坐姿和长时间坐姿,被医学领域认为是最伤害身体的行为。例如,坐姿不当被认为是许多脊柱疾病的主要原因之一,如肌肉变形、颈/肩/背疼痛、脊柱前凸、后凸和脊柱侧凸等脊柱弯曲。最新研究也表明,久坐与颈/肩/背疼痛、心血管疾病、代谢综合征等相关。
中国专利CN108898805A公开了一种坐姿提醒装置及系统,其中,坐姿提醒装置包括坐姿采集模块、微处理器、报警模块、支撑组件及夹持部,坐姿采集模块与报警模块均与微处理器电连接,支撑组件用于支撑夹持部,夹持部用于夹持坐姿采集模块;坐姿采集模块用于在微处理器的控制下,按照预设的时间间隔采集使用者的实时坐姿信息并将实时坐姿信息传输至微处理器;微处理器用于依据实时坐姿信息与预设坐姿信息得到实时偏差信息,并将实时偏差信息与预设偏差阈值信息进行比较,还用于当实时偏差信息大于预设偏差阈值信息时,控制报警模块报警以提醒使用者注意坐姿。该专利是将处理系统与检测单元设置为一体结构,是将坐姿采集模块、微处理器、报警模块等均设置于检测座椅上,增大了座椅的重量以及设置在其内部的处理模块的磨损速度,加大了使用成本,降低了装置的便捷性。
因此,针对现有技术的不足,需要同时实现易用性、不显眼性、健壮性、准确性、无线性和低功耗的同时,能够有效地降低系统模块对硬件结构的需求,将系统处理单元能够进行有效精简并设置在可移动的控制设备中,使得安装在座椅中的系统硬件模块被缩减的同时提高系统实时检测的准确性和效率。
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于发明人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术之不足,本发明的技术方案提供的是一种智能坐姿监测分析系统及方法,其能够有效地辅助使用者实时了解自身坐姿状态,从而及时纠正不良坐姿习惯。其功能模块包括压力传感单元、控制电路单元、移动处理终端以及服务器模块,所述控制电路单元选择性地对若干个所述压力传感单元进行扫描并完成对多路压力信号的自动循环分时采样;所述移动处理终端基于所述控制电路单元输出的使用者在坐立时各压力传感单元的压力信息及预设的阈值信息完成使用者坐姿的判断并做出坐姿信息反馈;所述服务器模块接收并存储使用者的坐姿压力数据以及所述移动处理终端分析处理后的坐姿信息,且其能够为不同使用者生成并存储与个人坐姿相关联的训练集数据。其优势在于,采用低成本的设备设计出系统的硬件部分,根据人体工学,人们就座时接触面受力情况,在座椅上合理铺设构建薄膜压力传感器阵列采集使用者的坐姿压力信号,使用者在使用过程中无任何不适感,并通过MSP430F149单片机对采集到的信号进行数据预处理,且可通过蓝牙或者串口通信与上位机进行信息交互;本申请还开发与硬件部分相匹配的软件部分,并将算法嵌入软件平台,软件全面覆盖电脑应用程序、手机app客户端和web网页端,并设置了服务器,可以做到长期监测的效果。使用者可以随时访问自己的坐姿数据,了解自己近日情况,且支持使用者个性化定制,设计专属自己的坐姿数据,建立个人模型。
根据一种优选的实施方式,若干所述压力传感单元是按照人体工学坐姿腿臀部压力分布图的位置排列构成的,其中,所述移动处理终端基于所测的第一区域中的压力传感器处压力与第二区域中的压力传感器处压力的比值X1以及使用者通过移动处理终端设置的阈值P1、R1来实现使用者在坐立过程中坐姿发生左倾或右倾的判断;所述移动处理终端基于所测得第三区域中的压力传感器处压力与第四区域中的压力传感器处压力的比值X2以及使用者通过移动处理终端设置的阈值P2、R2来实现使用者在坐立过程中坐姿发生前倾或后倾的判断,并通过移动处理终端向使用者反馈判断结果,并将监测数据传输至服务器模块进行存储并生成个人训练集。
根据一种优选的实施方式,所述控制电路单元至少包括选择模块、单片机模块和通信模块,其中,所述单片机模块控制所述选择模块完成对所述压力传感单元的扫描,使得若干所述压力传感单元按照其依次接入到电路中的方式完成多路压力信息的分时采样;所述通信模块获取分时采集的压力信息并将不同工作位置的压力传感单元在同一时间段内的压力信息传输至所述移动处理终端和服务器模块。其优势在于,所述单片机模块由MSP430F149芯片、电源和下载接口电路组成,主要负责其余硬件部分的逻辑控制,所述MSP430F149芯片是德州仪器开发的一款功能强大的16位超低功耗微控制器,内部集成了模数转换器(ADC)、两个16位计时器、12位ADC模块、两路USART通信端口以及48个I/0引脚,通过具体编程就可以控制选通各个通道,实现多路压力信号的自动循环分时采样,并进行ADC转换,方便对采集的数据进行数模转换。
根据一种优选的实施方式,所述移动处理终端至少包括基本信息模块、数据处理模块、坐姿反馈模块和数据可视化模块,所述移动处理终端的各组成模块均以使用Okhttp3网络框架处理网络请求的方式实现HTTP的POST请求,其中,请求过程至少包括:首先需要定义一个RequestBody对象,将需要POST的数据以key-value的形式添加到请求体中,然后通过post(requestBody)的方式将请求体以POST的方式请求服务器。其优势在于,通过网络请求传递过来的数据是ISON格式,本文使用Gson和JsonObject类库实现Java对象和JSON数据之间的解析。
根据一种优选的实施方式,所述阈值P1是采集10-20名正确坐姿训练者在使用过程中测得的第一区域中的压力传感器处平均压力与第二区域中的压力传感器处平均压力比值的最小值;阈值R1是采集10-20名正确坐姿训练者在使用过程中测得的第一区域中的压力传感器处平均压力与第二区域中的压力传感器处平均压力比值的最大值。
根据一种优选的实施方式,所述阈值P2是采集10-20名正确坐姿训练者在使用过程中测得的第三区域中的压力传感器处平均压力与第四区域中的压力传感器处平均压力比值的最小值;所述阈值R2是采集10-20名正确坐姿训练者在使用过程中测得的第三区域中的压力传感器处平均压力与第四区域中的压力传感器处平均压力比值的最大值。
根据一种优选的实施方式,所述数据处理模块根据预先采集的训练集数据生成初始模型的基础上,根据其开启数据监听而获取的使用者坐姿数据进行训练集数据补充和学习,使得所述数据处理模块能够构建出使用者的个人模型,其中,所述训练集生成模型是在将预处理的坐姿数据传入测试集文件路径、模型文件路径和输出文件路径后开始分类的,并将分类结果从输出文件中取出,根据不同的标签做出相应的反应。
根据一种优选的实施方式,所述坐姿反馈模块能够建立根据实时监控获取的坐姿数据而发出多种提示的语音库和动画库,使得使用者在存在坐姿错误时选择性地发出不同的语音和/或动画提示;所述数据可视化模块按照其能够根据实际检测到的压力数据绘制出不同的个人数据图表的方式实现使用者压力数据的可视化操作,其中,数据图表是在成功预测坐姿的情况下通过所述移动处理终端进行预测结果记录并修改数据库对应字段值。
本申请还提供一种智能坐姿监测分析方法,其至少包括若干设置于坐垫内的压力传感器单元根据指令选择性地采取使用者对坐垫各区域产生的压力数据,所述分析方法还包括控制电路单元、移动处理终端和服务器模块,其中,所述控制电路单元选择性地对若干个所述压力传感单元进行扫描并完成对多路压力信号的自动循环分时采样;所述移动处理终端基于所述控制电路单元输出的使用者在坐立时各压力传感单元的压力信息及预设的阈值信息完成使用者坐姿的判断并做出坐姿信息反馈;所述服务器模块接收并存储使用者的坐姿压力数据以及所述移动处理终端分析处理后的坐姿信息,且其能够为不同使用者生成并存储与个人坐姿相关联的训练集数据。其优势在于,采用低成本的设备设计出系统的硬件部分,根据人体工学,人们就座时接触面受力情况,在座椅上合理铺设构建薄膜压力传感器阵列采集使用者的坐姿压力信号,使用者在使用过程中无任何不适感,并通过MSP430F149单片机对采集到的信号进行数据预处理,且可通过蓝牙或者串口通信与上位机进行信息交互;本申请还开发与硬件部分相匹配的软件部分,并将算法嵌入软件平台,软件全面覆盖电脑应用程序、手机app客户端和web网页端,并设置了服务器,可以做到长期监测的效果。使用者可以随时访问自己的坐姿数据,了解自己近日情况,且支持使用者个性化定制,设计专属自己的坐姿数据,建立个人模型。
根据一种优选的实施方式,若干所述压力传感单元是按照人体工学坐姿腿臀部压力分布图的位置排列构成的,其中,所述移动处理终端基于所测的第一区域中的压力传感器处压力与第二区域中的压力传感器处压力的比值X1以及使用者通过移动处理终端设置的阈值P1、R1来实现使用者在坐立过程中坐姿发生左倾或右倾的判断;所述移动处理终端基于所测得第三区域中的压力传感器处压力与第四区域中的压力传感器处压力的比值X2以及使用者通过移动处理终端设置的阈值P2、R2来实现使用者在坐立过程中坐姿发生前倾或后倾的判断,并通过移动处理终端向使用者反馈判断结果,并将监测数据传输至服务器模块进行存储并生成个人训练集。
附图说明
图1是本发明的一种智能坐姿监测分析系统及方法的功能模块示意图;
图2是本发明的硬件部分设计示意图;
图3是本发明的软件部分设计示意图;
图4是本发明的移动处理终端调试界面效果图;
图5是本发明的移动处理终端提醒界面效果图;
图6是本发明的移动处理终端坐姿记录曲线图;
图7是本发明的移动处理终端坐姿记录饼状图;
图8是本发明的Web端登录界面效果图;
图9是本发明的Web端用户信息展示效果图;
图10是本发明的Web端坐姿统计和分析效果图;
图11是本发明的Web端数据集展示效果图;
图12是本发明的坐垫上的压力传感器阵列;
图13是本发明所使用的CD74HC4067芯片电路图;
图14是本发明的硬件程序流程图;
图15是本发明蓝牙模块通信示意图。
附图标记列表
1:压力传感单元 2:控制电路单元 3:移动处理终端
4:服务器模块 5:坐垫 21:选择模块
22:单片机模块 23:通信模块 31:基本信息模块
32:数据处理模块 33:坐姿反馈模块 34:数据可视化模块
具体实施方式
下面结合附图进行详细说明。
实施例1
本发明提供一种基于柔性传感器的智能坐姿分析系统,包括硬件部分和软件部分。
根据图1示出的具体实施方式,硬件部分包括压力传感单元1、控制电路单元2和坐垫5,其中,若干压力传感单元1构成的压力传感器阵列安装于坐垫5上,且所有压力传感单元1均与控制电路单元2相连。系统硬件部分设计如图2所示。压力传感单元1用于获取使用者坐姿状态时对坐垫5不同区域产生的压力信息。控制电路单元2能够对每一个压力传感器进行高速扫描并按照将扫描装置依次接入电路中的方式完成多路压力信号的自动循环分时采样,在完成采样及预处理操作后还对采集数据进行ADC转换,方便后续处理模块进行数据处理与分析。如图3所示,软件部分包括移动处理终端3、服务器模块4及Web端。移动处理终端3的功能包括分析出此时使用者的坐姿是否规范,并且向使用者反馈当前坐姿状态的功能,如果坐姿不正确则会发出提醒,同时手机APP还具有可视化绘制使用者坐姿数据的功能,更加直观立体地展示使用者的坐姿数据。其效果如图4、5、6、7、8所示。Web端的功能包括展示了使用者近日坐姿状况、各类坐姿数据占比情况、使用者个人和标准模型数据的功能。其效果如图8、9、10、11所示。服务器模块4的功能包括存储使用者个人数据和坐姿模型,并可将其发送给手机客户端的功能。
优选地,控制电路单元2包括选择模块21、单片机模块22和通信模块23。选择模块21使用的可以是四行四列共16个的传感器阵列,选通输出输入信号采用的可以是十六选一模拟开关多路复用器CD74HC4067芯片来实现的。CD74HC4067是一个CMOS单通道十六路模拟开关电路,适用于模拟信号或者数字信号多路复用或多路解复用应用,其主要作用是完成链路中的信号切换功能,把相应的感应单元接通。如图13所示,多路开关由S0、S1、S2和S3四个译码端控制,具有十六个独立输入/输出端(Y0至Y16)、一个通用输入/输出端(Z)和一个数字使能输入端(E)。在CD74HC4067芯片启用控制功能的情况下,当使能端E为高电平时,所有开关(Y0至Y16)将禁用,保持其“关闭”状态。优选地,CD74HC4067芯片与选择模块21连接,通过单片机模块22控制选择模块21实现对每个传感器的高速扫描,使其依次接入电路中,完成多路压力信号分时采样的功能。
优选地,单片机模块22由MSP430F149芯片、电源和下载接口电路组成。单片机模块22主要负责其余硬件部分的逻辑控制。优选地,MSP430F149芯片可以是德州仪器开发的一款功能强大的16位超低功耗微控制器。该超低功耗微控制器内部集成有模数转换器(ADC)、两个16位计时器、12位ADC模块、两路USART通信端口以及48个I/0引脚。在具体应用时,使用者通过具体编程就可以控制选通各个通道。硬件程序流程图如图14所示,其实现多路压力信号的自动循环分时采样,并进行ADC转换,从而方便对采集的数据进行数模转换。优选地,表1展示了本申请使用了msp430单片机的哪些引脚,以及各个引脚所控制的功能。
表1
优选地,通信模块23采用蓝牙和串口通信的方式与单片机模块22连接。串口通信是在一个被称为USCI的片上外设处理的,其使用的是UART异步通信模式。MSP430F149芯片包含两个串口通信模块,分别是UART0和UART1。UART0对应的引脚分别是P3.4口和P3.5口,P3.4口是写端,P3.5口是读端;UART1对应的引脚分别是P3.6口和P3.7口,P3.7口是写端,P3.6口是读端。写端传输数据,读端接收数据。优选地,本申请设置的UART传输和接收数据的波特率为9600bps。具体设计过程中,为了通信模块23实现串口通信,本申请使用BSL模块作为USB转TTL模块。BSL模块还可以作为MSP430F149的下载器。当BSL模块作为下载器使用时,BSL模块的TXD与单片机模块22的P1.1口连接,RXD与单片机模块22的P2.2口连接。在BSL模块用作为USB转TTL模块时,为了实现与电脑端进行通信的需求,将BSL下载器模块的usb连接电脑的usb,将BSL下载器模块的RXD引脚与单片机的P3.4引脚连接起来,将BSL下载器模块的TXD引脚和单片机模块22的P3.5引脚连接。优选地,蓝牙模块可以使用HC-08,HC-08是一款经典且低成本低功耗BLE4.0蓝牙模块,它的功耗较其他传统蓝牙降低了90%,安全性高,使用ASE-128CCM加密算法加密信息,体积很小,易于集成。如图15所示,本申请将HC-08设置为主模式,传输波特率设置为9600bps,支持安卓与iPhone手机的连接,通信非常简单,只需要进行蓝牙配对即可。
优选地,移动处理终端3可以是手机APP,其可以包括基本信息模块31、数据处理模块32、坐姿反馈模块33和数据可视化模块34等四个部分。优选地,基本信息模块31、数据处理模块32、坐姿反馈模块33和数据可视化模块34均是使用Okhttp3网络框架高效处理网络请求,实现HTTP的POST请求。在进行具体的使用时,首先定义一个RequestBody对象,将需要POST的数据以key-value的形式添加到请求体中,然后通过post(requestBody)的方式将请求体以POST的方式请求服务器。进一步优选地,如果这里的请求是登录请求,还需要从服务器响应头中获取jsessionid,存储在sharePreference中,用以之后向服务器获取目前登录的使用者名,以实现账户与功能绑定。优选地,通过网络请求传递过来的数据是ISON格式,本申请使用Gson和JsonObject类库实现Java对象和JSON数据之间的解析。
(一)基本信息模块:
(1)联网注册、登录功能。使用者如果是第一次运行APP,需要联网填写个人信息进行账号密码注册,个人信息会被上传到服务器数据库user表里。使用者输入账号密码进行登入操作的时候,APP通过okhttp3库的POST向服务器请求传输账号、密码等信息,经过服务器程序处理后,返回结果,APP作出相应反应。如果信息正确,则登入成功;反之,会发出密码错误的提醒。
(2)个人信息查看和修改、APP的介绍信息。在个人信息查看的页面,会显示账户名、身高、体重、电话等资料,如有需要更改的地方,可以使用者手动更改,更改后的信息会重新保存到服务器上。关于APP信息则显示的是APP的开发版本和一些基础功能介绍,辅助使用者学习如何使用。
(二)数据处理模块:
(1)实现蓝牙连接和数据传输功能。APP使用了FastBLE蓝牙库,相比于安卓自带的蓝牙库具有更好的性能。APP通过蓝牙的uuid和mac地址实现与蓝牙配对连接,之后开启数据监听,就可以接收到蓝牙传输过来的数据。
(2)使用SVM实现训练数据和分类。本申请导入了androidlibsvm-release库作为依赖,来实现SVM算法。首先本申请需要设置train.txt、model.txt、test.txt和out.txt的目录。优选地,训练集可以是预先采集的。本系统在处理时按照svm要求的格式,将数据存放在train.txt文件夹下,模型是由训练集训练生成的,将从通过蓝牙接收到的数据存放在test.txt中,通过LibSVM对象的predict方法,传入测试集文件路径、模型文件路径和输出文件路径后,即可进行分类;最后将分类结果从out.txt中取出,根据不同的标签做出相应的反应。
(三)坐姿反馈模块:
(1)语音播报功能和GIF动画展示功能。优选地,语音播报和GIF动画是预先生成的素材,其中,语音文件是wav格式的。每当SVM预测成功后,APP会借助语音库和GIF动画库完成语音播报和GIF动画演示提醒,从而实现使用者的坐姿实时监控。当使用者坐姿正确时是不会发出提醒的。优选地,语音可以按需关闭或开启。
(2)文本框显示功能是显示一些原始压力数据、蓝牙监听状态以及预测的结果。
(四)数据可视化模块:
(1)饼状图绘制功能。每次预测坐姿成功后,APP会将预测结果记录下来,修改数据库对应字段值。结束监控后,会获取各类坐姿实时采集的值,计算占比然后以此值绘制饼状图,确保饼状图数据是使用者最新的准确数据。
(2)折线图绘制是将每次预测的坐姿绘制为曲线图,反映使用者坐姿连续的变化情况。
优选地,Web端包括两个功能:使用者数据可视化展示和训练集数据展示。数据可视化界面时对坐姿进行统计分析,共有两个折线图、两个饼状图。优选地,一个折线图是反映近一周久坐时长,这个时间可以是大概的时间,系统每记录一次坐姿,时间加6秒,然后统计系统一共记录多少次坐姿推算出使用者的大概坐立总时间。优选地,另一个折线图是反映近一周正坐时间占比。优选地,饼状图一个反映历史坐姿数据,一个记录今日数据。本申请使用echarts库实现折线图和饼状图的绘制,echarts库美观性高且性能较好。优选地,数据是JS通过ajax封装的$.post()请求服务端程序,必要时查询数据库而获取的。优选地,web端还可以用于查看训练集数据,通过请求服务器Servlet程序,程序用文件流读取服务器指定目录下的训练集文件,将其转化为Json格式后返回给前端,前端根据筛选条件将训练集数据进行筛选后,通过数据类型和数据量进行动态创建表格节点,最终显示训练集数据。
优选地,服务器包括以下四种功能:
(1)实现数据的接收与返回
客户端将数据通过POST请求方式传送至服务器,服务器通过request.getParameter(“key”)的方式获取客户端传送的数据,经过后续的一系列处理之后,将结果以Json格式数据显示在页面上,客户端获取显示的数据,并再进行处理。
(2)实现数据库连接与SQL执行
通过com.mysql.jdbc.Driver驱动并实现与MySQL数据库的连接;通过StringBuilder生成预执行的SQL代码;通过PreparedStatement对象执行使已连接的数据库执行指定SQL语句。
(3)实现训练集存储
当使用者创建个人坐姿压力数据的时候,会在相应的目录生成其独有的训练集文件,用来存放使用者个人的训练集数据。事先收集的标准训练集也存放在指定目录下,只有开发者具有权限可以进行更改,使用者不得私自更改该预先设置好的训练集。
(4)设置过滤器
通过Filter配合web.xml实现过滤器功能,防止使用者没有登入账号,非法进入Web内部管理系统。
实施例2
本实施例是对实施例1的进一步改进,重复的内容不再赘述。
本发明涉及一套基于柔性传感器的智能坐姿分析方法,包括:压力传感单元、控制电路单元2、移动处理终端3、Web端和服务器模块4。16个设置在坐垫5上的压力传感单元共同构成压力传感器阵列系统,控制电路单元2包括msp430单片机、选择模块和蓝牙模块。控制电路单元2通过在坐垫5上设置的柔性压力传感器来获取使用者就座时接触面受力情况,并通过MSP430F149单片机对采集到的信号进行数据预处理,再由蓝牙或者串口通信与移动处理终端3或Web端进行信息交互,使用SVM分类器对使用者坐姿进行识别,并对错误坐姿发出语音提醒,进而辅助使用者实时了解自身坐姿状态,从而及时纠正不良坐姿习惯。
如图12所示,16个压力传感单元1采用由16个柔性薄膜压力传感器和16个固定的电阻构成的压力传感器阵列系统,其中,1个传感器和1个固定电阻构成1个感应单元,共有16个感应单元。16个柔性薄膜压力传感器和16个固定电阻分别连接。优选地,16个固定电阻将引出导线Yout与选择模块21分别连接。优选地,压力传感单元1的压力变化对应的是柔性薄膜传感器的阻值变化,读取每根导线的电压值,从而实现将传感器的电阻值变化转换为相应的电压值的变化。优选地,根据实际实验数据测量,本申请所涉及的与传感器连接的最合适的电阻值是10千欧。具体地,固定电阻10千欧与柔性薄膜压力传感器构成一个分压电路,上接3.3v的电压,下接地。
优选地,在进行测量时,首先建立薄膜压力传感器电阻与所受压力的关系,如式(1)所示:
RN=153.18×F-0.699 (1)
式(1)中,F表示传感器所受压力,R表示传感器电阻,N表示传感器编号。
然后,建立薄膜压力传感器电导与所受压力的关系;
GN=0.0004*F+0.3749 (2)
式(2)中,F表示传感器所受压力,G表示传感器电导,N表示传感器编号。
传感器输出电压与电阻值关系描述为:
式3中,RN表示当前传感器电阻值,R表示固定电阻,VCC表示基准电压,Vout表示单个传感器输出的电压值,作为模拟信号输送给选择模块。
MSP430F149单片机A\D模块可以使用内部基准电压和外部基准电压。内部基准电压有1.5V和2.5V两种。由于内部基准电压值较低,因此需要引入外部基准电压,电压大小为3.3V。模拟信号和处理的数字信号的关系描述为:
其中N代表输出的数字信号的大小,而Vout代表接收的模拟信号的大小,通过通信模块传输给上位机进行分析处理。
为了进一步描述上述公式之间的关联性和数据的计算方式,本申请补充了实际数据的计算过程。优选地,传感器所受压力为3000g,传感器模块的基准电压为3.3V,固定电阻大小为10千欧,
则上述公式计算过程如下:
由式1可得传感器电阻:
RN=153.18×F-0.699=153.18×3000-0.699≈0.57千欧
由式3可得传感器输出电压值:
由式4可得输出数字信号的大小为:
优选地,移动处理终端3用于接收预处理后的压力数据,并对接收到的压力数据进行处理分析并判断是否处于正常坐姿或异常坐姿,并通过语音和或动画提示使用者处于异常坐姿状态。服务器模块4用于实现客户端在查询时的数据的接收与返回、实现数据库连接与SQL执行、训练集的存储以及设置保护使用者个人信息的过滤器。
实施例3
优选地,若干压力传感单元1是按照人体工学坐姿腿臀部压力分布图的位置排列构成的。移动处理终端3基于所测的第一区域中的压力传感器处压力与第二区域中的压力传感器处压力的比值X1以及使用者通过移动处理终端3设置的阈值P1、R1来实现使用者在坐立过程中坐姿发生左倾或右倾的判断。移动处理终端3基于所测得第三区域中的压力传感器处压力与第四区域中的压力传感器处压力的比值X2以及使用者通过移动处理终端3设置的阈值P2、R2来实现使用者在坐立过程中坐姿发生前倾或后倾的判断,并通过移动处理终端3向使用者反馈判断结果,并将监测数据传输至服务器模块4进行存储并生成个人训练集。
如图12所示,第一区域是四行四列共16个压力传感单元1构成的压力传感器阵列中靠近使用者左手一侧的两列8个压力传感器。进一步优选地,第一区域测量的压力值可以选用上述8个压力传感器测量的压力数据的均值。优选地,第二区域是四行四列共16个压力传感单元1构成的压力传感器阵列中靠近使用者右手一侧的两列8个压力传感器。进一步优选地,第二区域测量的压力值可以选用上述8个压力传感器测量的压力数据的均值。优选地,第三区域是四行四列共16个压力传感单元1构成的压力传感器阵列中靠近腿部的两行8个压力传感器。进一步优选地,第四区域测量的压力值可以选用上述8个压力传感器测量的压力数据的均值。优选地,第四区域是四行四列共16个压力传感单元1构成的压力传感器阵列中靠近背部的两行8个压力传感器。进一步优选地,第四区域测量的压力值可以选用上述8个压力传感器测量的压力数据的均值。
优选地,阈值P1可以是采集至少10名正确坐姿训练者在使用过程中测得的第一区域中的压力传感器处平均压力与第二区域中的压力传感器处平均压力比值的最小值。进一步优选地,阈值P1的具体数值还可以是采集至少10名正确坐姿训练者在使用过程中测得的第一区域和第二区域压力值的基础上增加多组使用者在初始训练阶段录入的个人正确坐姿状态下的第一区域和第二区域压力值之后计算出的第一区域和第二区域的压力比值的最小值。
阈值R1是采集10-20名正确坐姿训练者在使用过程中测得的第一区域中的压力传感器处平均压力与第二区域中的压力传感器处平均压力比值的最大值。进一步优选地,阈值R1的具体数值还可以是采集至少10名正确坐姿训练者在使用过程中测得的第一区域和第二区域压力值的基础上增加多组使用者在初始阶段录入的个人正确坐姿状态下的第一区域和第二区域压力值之后计算出的第一区域和第二区域的压力比值的最大值。
优选地,阈值P2是采集10-20名正确坐姿训练者在使用过程中测得的第三区域中的压力传感器处平均压力与第四区域中的压力传感器处平均压力比值的最小值。进一步优选地,阈值P2的具体数值还可以是采集至少10名正确坐姿训练者在使用过程中测得的第三区域和第四区域压力值的基础上增加多组使用者在初始阶段录入的个人正确坐姿状态下的第三区域和第四区域压力值之后计算出的第三区域和第四区域的压力比值的最小值。
优选地,阈值R2是采集10-20名正确坐姿训练者在使用过程中测得的第三区域中的压力传感器处平均压力与第四区域中的压力传感器处平均压力比值的最大值。进一步优选地,阈值P2的具体数值还可以是采集至少10名正确坐姿训练者在使用过程中测得的第三区域和第四区域压力值的基础上增加多组使用者在初始阶段录入的个人正确坐姿状态下的第三区域和第四区域压力值之后计算出的第三区域和第四区域的压力比值的最大值。
优选地,数据处理模块32在预先采集的训练集生成初始模型的基础上,根据其开启数据监听而获取的使用者坐姿数据进行训练集数据补充和学习,使得数据处理模块32能够构建出使用者的个人模型。优选地,训练集生成模型是在将预处理的坐姿数据传入测试集文件路径、模型文件路径和输出文件路径后开始分类的,并将分类结果从输出文件中取出,根据不同的标签做出相应的反应。坐姿反馈模块33能够建立根据实时监控获取的坐姿数据而发出多种提示的语音库和动画库,使得使用者在存在坐姿错误时选择性地发出不同的语音和/或动画提示;数据可视化模块34按照其能够根据实际检测到的压力数据绘制出不同的个人数据图表的方式实现使用者压力数据的可视化操作,其中,数据图表是在成功预测坐姿的情况下通过移动处理终端3进行预测结果记录并修改数据库对应字段值。
实施例4
优选地,本申请提供的智能坐姿监测分析系统及设置有该坐姿检测系统的坐垫还可以安装于列车车辆的驾驶位上,使得监测系统能够不仅仅用于监测长时间坐立姿态办公人员的坐姿监测也能够用于列车/长途车辆的司机的坐姿监测,方便在记录司机的坐姿时间、习惯的同时还能够为司机提供坐姿数据,方便司机能够根据汇总的坐姿数据对自己的坐姿缺陷自行做出有效地的判断并自行矫正,从而减轻长途驾驶过程中司机身体的劳损度,有效地帮助使用者提高正坐时长。
在具有坐姿监测分析系统的坐垫设置于汽车或其他移动车辆时上时,驾驶员(被测对象/使用者/用户)通常保持相对静止,但是在车辆行驶过程中由于车辆本身振动的影响,往往会导致坐垫监测到的压力信号和实际人体单独施加的压力存在差异,导致监测分析系统获取的原始监测数据并不能直接用于用户的坐姿判断和坐姿信息的记录。优选地,为了能够消除车辆行进过程中的振动,颠簸和转弯等对监测系统实际检测数据的影响,在驾驶座椅中设置有能够记录在车辆地振动,颠簸和转弯中造成的座椅运动的相关运动量的数据。通过将使用校准传感单元来采集车辆自身运动产生的运动信号消除坐垫含有的传感器采集的坐姿监测信号中的振动分量,从而实现对坐姿监测信号进行校正和补偿,消除车辆运动对坐垫监测信号数据的影响,并通过校正后的数据分析提取出被测对象的实际坐姿状态和该坐姿的持续时间。
优选地,校准传感单元可以包括能够检测车辆座椅在多自由度上的运动震动信号的传感器和单独检测座椅在竖直方向上下运动的陀螺仪。使用时通过将多种校准传感单元监测在车辆行进时座椅靠背跟随运动产生的多种运动信号进行采集并分类存储,然后将同为座椅靠背上下运动产生的信号数据进行整合并计算出该类信号数据的均值,之后通过计算出的均值对坐姿监测单元采集的信号数据进行补偿,使得坐垫底部的传感单元监测到的患者坐姿信号数据听过计算均值进行误差消除,从而获取到行进车辆中驾驶员的准确坐姿数据,进而能够针对监测数据也能够为驾驶员提供精准、有效地坐姿监测数据分析和坐姿提醒。
优选地,设置于靠背中的能够进行多自由度运动和外力监测的校准传感器还能够作为坐姿监测分析系统的启动信号,即当驾驶员坐在驾驶位使得座椅坐垫和靠背能够同时检测到外力作用的情况下,设于坐垫中的坐姿监测分析系统才能够根据驾驶员触发的校准传感器而发出的启动信号进行监测活动,从而避免外物置于座椅时,系统直接开始监测而产生错误数据。优选地,坐垫中的传感单元能够根据初始采集的驾驶员体重等设置二次自启触发机制,从而能够辅助系统有效地区分不同驾驶员在驾驶同一车辆时为不同的驾驶员生成不同的坐姿数据库,避免存储数据混乱,无法有效地、针对性地为驾驶员提供个人的准确数据。优选地,坐姿监测系统的二次自启触发机制是能够在驾驶员自行设置的阈值范围条件下运行的,能够根据实际需求将采集的压力数据的阈值范围进行调整,从而能够对不同体重的驾驶员进行不同的数据采集和分开存储。当驾驶员体重存在重合时,驾驶员能够在终端进行用户确认,从而保证监测数据能够准确地存储至对应账户。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种智能坐姿监测分析系统,其功能模块包括压力传感单元(1)、控制电路单元(2)、移动处理终端(3)以及服务器模块(4),其特征在于,
所述控制电路单元(2)选择性地对若干个所述压力传感单元(1)进行扫描并完成对多路压力信号的自动循环分时采样;
所述移动处理终端(3)基于所述控制电路单元(2)输出的使用者在坐立时各压力传感单元(1)的压力信息及预设的阈值信息完成使用者坐姿的判断并做出坐姿信息反馈;
所述服务器模块(4)接收并存储使用者的坐姿压力数据以及所述移动处理终端(3)分析处理后的坐姿信息,且其能够为不同使用者生成并存储与个人坐姿相关联的训练集数据。
2.如权利要求1所述的智能坐姿监测分析系统,其特征在于,所述移动处理终端(3)基于所测的第一区域中的压力传感器处压力与第二区域中的压力传感器处压力的比值X1以及使用者通过移动处理终端(3)设置的阈值P1、R1来实现使用者在坐立过程中坐姿发生左倾或右倾的判断。
3.如权利要求1所述的智能坐姿监测分析系统,其特征在于,所述移动处理终端(3)基于所测得第三区域中的压力传感器处压力与第四区域中的压力传感器处压力的比值X2以及使用者通过移动处理终端(3)设置的阈值P2、R2来实现使用者在坐立过程中坐姿发生前倾或后倾的判断,并通过移动处理终端(3)向使用者反馈判断结果,并将监测数据传输至服务器模块(4)进行存储并生成个人训练集。
4.如权利要求1所述的智能坐姿监测分析系统,其特征在于,所述控制电路单元(2)至少包括选择模块(21)和单片机模块(22),其中,
所述单片机模块(22)控制所述选择模块(21)完成对所述压力传感单元(1)的扫描,使得若干所述压力传感单元(1)按照其依次接入到电路中的方式完成多路压力信息的分时采样。
5.如前述权利要求之一所述的智能坐姿监测分析系统,其特征在于,所述阈值P1是采集10-20名正确坐姿训练者在使用过程中测得的第一区域中的压力传感器处平均压力与第二区域中的压力传感器处平均压力比值的最小值;
阈值R1是采集10-20名正确坐姿训练者在使用过程中测得的第一区域中的压力传感器处平均压力与第二区域中的压力传感器处平均压力比值的最大值。
6.如前述权利要求之一所述的智能坐姿监测分析系统,其特征在于,所述阈值P2是采集10-20名正确坐姿训练者在使用过程中测得的第三区域中的压力传感器处平均压力与第四区域中的压力传感器处平均压力比值的最小值;
所述阈值R2是采集10-20名正确坐姿训练者在使用过程中测得的第三区域中的压力传感器处平均压力与第四区域中的压力传感器处平均压力比值的最大值。
7.如前述权利要求之一所述的智能坐姿监测分析系统,其特征在于,所述移动处理终端(3)的数据处理模块(32)是在预先采集的训练集数据生成初始模型的基础上,通过开启数据监听而获取使用者坐姿数据的方式进行训练集数据补充和学习,使得所述数据处理模块(32)能够构建出使用者的个人模型。
8.如前述权利要求之一所述的智能坐姿监测分析系统,其特征在于,所述移动处理终端(3)的坐姿反馈模块(33)能够建立以实时获取的坐姿数据为依据而发出多种提示的语音库和动画库,从而当使用者存在坐姿错误时坐姿反馈模块(33)选择性地做出不同的语音和/或动画提示。
9.如前述权利要求之一所述的智能坐姿监测分析系统,其特征在于,所述移动处理终端(3)的数据可视化模块(34)按照其能够根据实际检测到的压力数据绘制出不同的个人数据图表的方式实现使用者压力数据的可视化操作,其中,数据图表是在成功预测坐姿的情况下通过所述移动处理终端(3)进行预测结果记录并修改数据库对应字段值。
10.一种智能坐姿监测分析方法,其至少包括若干设置于坐垫(5)内的压力传感单元(1),其特征在于,所述分析方法还包括控制电路单元(2)、移动处理终端(3)和服务器模块(4),其中,
所述控制电路单元(2)选择性地对若干个所述压力传感单元(1)进行扫描并完成对多路压力信号的自动循环分时采样;
所述移动处理终端(3)基于所述控制电路单元(2)输出的使用者在坐立时各压力传感单元(1)的压力信息及预设的阈值信息完成使用者坐姿的判断并做出坐姿信息反馈;
所述服务器模块(4)接收并存储使用者的坐姿压力数据以及所述移动处理终端(3)分析处理后的坐姿信息,且其能够为不同使用者生成并存储与个人坐姿相关联的训练集数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854106.8A CN113384266A (zh) | 2021-07-26 | 2021-07-26 | 一种智能坐姿监测分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854106.8A CN113384266A (zh) | 2021-07-26 | 2021-07-26 | 一种智能坐姿监测分析系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113384266A true CN113384266A (zh) | 2021-09-14 |
Family
ID=77622293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110854106.8A Pending CN113384266A (zh) | 2021-07-26 | 2021-07-26 | 一种智能坐姿监测分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113384266A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114802555A (zh) * | 2022-05-13 | 2022-07-29 | 爱步科技(深圳)有限公司 | 一种景区代步电动车智能座垫 |
US20220242438A1 (en) * | 2021-02-03 | 2022-08-04 | Magna Mirrors Of America, Inc. | Vehicular driver monitoring system with posture detection and alert |
WO2023104206A1 (zh) * | 2021-12-09 | 2023-06-15 | 深圳先进技术研究院 | 一种基于臀部压力的柔性智能坐姿监测系统 |
CN116662740A (zh) * | 2023-05-31 | 2023-08-29 | 广东乐贤卫浴有限公司 | 一种交互式三体系雷达感应系统及其智能坐便器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945467A (zh) * | 2017-12-20 | 2018-04-20 | 中国科学院合肥物质科学研究院 | 一种基于臀部压力分布特征的便携式坐姿监测与提醒系统 |
CN110897425A (zh) * | 2019-11-18 | 2020-03-24 | 中国地质大学(武汉) | 儿童坐姿检测坐垫、与坐垫交互的装置以及坐姿监测方法 |
CN113040753A (zh) * | 2019-12-27 | 2021-06-29 | 苏州坦特拉智能科技有限公司 | 坐姿监测系统 |
-
2021
- 2021-07-26 CN CN202110854106.8A patent/CN113384266A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945467A (zh) * | 2017-12-20 | 2018-04-20 | 中国科学院合肥物质科学研究院 | 一种基于臀部压力分布特征的便携式坐姿监测与提醒系统 |
CN110897425A (zh) * | 2019-11-18 | 2020-03-24 | 中国地质大学(武汉) | 儿童坐姿检测坐垫、与坐垫交互的装置以及坐姿监测方法 |
CN113040753A (zh) * | 2019-12-27 | 2021-06-29 | 苏州坦特拉智能科技有限公司 | 坐姿监测系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220242438A1 (en) * | 2021-02-03 | 2022-08-04 | Magna Mirrors Of America, Inc. | Vehicular driver monitoring system with posture detection and alert |
US11851080B2 (en) * | 2021-02-03 | 2023-12-26 | Magna Mirrors Of America, Inc. | Vehicular driver monitoring system with posture detection and alert |
WO2023104206A1 (zh) * | 2021-12-09 | 2023-06-15 | 深圳先进技术研究院 | 一种基于臀部压力的柔性智能坐姿监测系统 |
CN114802555A (zh) * | 2022-05-13 | 2022-07-29 | 爱步科技(深圳)有限公司 | 一种景区代步电动车智能座垫 |
CN116662740A (zh) * | 2023-05-31 | 2023-08-29 | 广东乐贤卫浴有限公司 | 一种交互式三体系雷达感应系统及其智能坐便器 |
CN116662740B (zh) * | 2023-05-31 | 2024-02-09 | 广东乐贤卫浴有限公司 | 一种交互式雷达感应系统及其智能坐便器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113384266A (zh) | 一种智能坐姿监测分析系统及方法 | |
CN113349599A (zh) | 一种坐姿调整方法及坐姿调整座椅 | |
KR101379351B1 (ko) | 사용자의 착석 자세 모니터링 시스템 | |
WO2017219396A1 (zh) | 一种智能按摩椅及其运作方法 | |
Matuska et al. | A smart system for sitting posture detection based on force sensors and mobile application | |
WO2015157790A1 (en) | System and method for monitoring user posture | |
CN105411590A (zh) | 一种人体坐姿检测和健康评估系统及方法 | |
WO2017166235A1 (zh) | 一种坐姿矫正座椅、系统及方法 | |
KR102072561B1 (ko) | 건강 관리 서비스 방법 및 시스템 | |
KR20140003820A (ko) | 의자에서 획득한 생체정보를 기반으로 한 사용자 인터페이스방법 | |
CN106781320B (zh) | 一种书写姿势监控及提醒系统 | |
CN108938309A (zh) | 一种基于压力检测的按摩椅 | |
CN104905584A (zh) | 一种非侵入式坐姿监测的智能坐垫 | |
CN112193251A (zh) | 一种驾驶人员的驾姿反馈系统和方法 | |
CN108091113A (zh) | 坐姿评估系统及方法 | |
CN106510194A (zh) | 一种矫正不良坐姿的方法、终端、智能座椅及系统 | |
CN111437149A (zh) | 一种按摩椅控制方法、按摩椅及按摩椅控制系统 | |
CN208957379U (zh) | 支撑模块及自动调节的床 | |
KR20170069822A (ko) | 헬스케어체어 구조 | |
CN111166605A (zh) | 一种按摩椅智能按摩控制方法和系统 | |
CN106131338B (zh) | 一种手机的控制方法、装置及终端 | |
CN109844797A (zh) | 选择系统、选择方法以及选择程序 | |
Birsan et al. | SpiMO-Sitting Posture Monitoring System. | |
JP4840509B2 (ja) | 他動運動システム | |
KR20200059722A (ko) | 공기압의 분포도를 이용한 자세 교정을 위한 상태 분석 시스템 |
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 |