CN113558614A - 一种健康坐姿智能检测系统及方法 - Google Patents
一种健康坐姿智能检测系统及方法 Download PDFInfo
- Publication number
- CN113558614A CN113558614A CN202111014509.8A CN202111014509A CN113558614A CN 113558614 A CN113558614 A CN 113558614A CN 202111014509 A CN202111014509 A CN 202111014509A CN 113558614 A CN113558614 A CN 113558614A
- Authority
- CN
- China
- Prior art keywords
- user
- sitting
- data
- sitting posture
- electroencephalogram
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000010801 machine learning Methods 0.000 claims description 8
- 239000012141 concentrate Substances 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 230000009469 supplementation Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000006996 mental state Effects 0.000 abstract description 5
- 208000027418 Wounds and injury Diseases 0.000 abstract description 4
- 230000006378 damage Effects 0.000 abstract description 4
- 230000004438 eyesight Effects 0.000 abstract description 4
- 208000014674 injury Diseases 0.000 abstract description 4
- 230000036544 posture Effects 0.000 description 49
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 206010058314 Dysplasia Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009978 visual deterioration 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
-
- 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
- A61B5/103—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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6891—Furniture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及人体坐姿检测领域，尤其涉及一种健康坐姿智能检测系统及方法。包括压力采集模块、图像采集模块、脑电监测模块和控制模块；所述压力采集模块用于获取用户坐压数据；所述图像采集模块用于获取用户图像数据；所述脑电监测模块用于获取用户脑电数据；所述控制模块用于处理压力采集模块、图像采集模块和脑电监测模块获取的数据。本申请的目的是提供一种健康坐姿智能检测系统，其能从多维度进行坐姿检测，提高人体坐姿识别的精确度，同时检测算法相对简单，实用性强；并监测人体精神状态，适时提醒，使得用户保持良好坐姿，保护视力、减少人体损伤的可能；在检测到用户坐姿无异常时，监测用户专注度状态，有益于提高学生专注度、学习效率和学习成绩。
Description
【技术领域】
本申请涉及人体坐姿检测领域，尤其涉及一种健康坐姿智能检测系统及方法。
【背景技术】
现如今，随着人们学习、工作的压力加大，越来越多的人会长时间坐着进行学习或工作。由于没有保持良好的坐姿，导致人体损伤。很多时候，人们清楚坐姿不良会导致人体损伤，但是在学习和工作的工程中，很容易不自然的改变坐姿导致坐姿不良，进而导致人体损伤。
特别是中小学生群体，他们的自控能力不强，身体还处于发育阶段。在学习过程中坐姿不良还会导致学生视力下降、发育不良等。
CN 110292386 B提供了一种基于视频信息和压电信息的人体坐姿检测系统及方法，其主要通过背部压电传感器阵列和底部压电传感器阵列采集人体背部和臀部的坐压信息，通过Kinect深度摄像头采集人体骨骼信息，分别依据这2类信息来判断人体坐姿类型是否一致，一致时通过对该类型保持时长进行计时，若超过所述最终人体坐姿类型对应的预定时间，则对用户进行健康提示，以用来提醒所述用户进行站立或走动休息或进行坐姿调整。此方法相对于其他方法以有明显的提升，但也有如下一些缺点：1、对人体坐姿有比较严格的要求，如人体必需要靠在背部压电传感器阵列才能采集到背部压力信息；2、统计时长，对程序算力要求高；3、未考虑人的精神状态，当人体处于睡眠状态时，突然的刺激提醒可能会导致人体损伤等；4、没有提供专注度方面的检测，不能提高学习、工作效率。
【发明内容】
本发明要解决的技术问题是提供一种健康坐姿智能检测系统及方法，从多维度进行坐姿检测，提高人体坐姿识别的精确度，同时检测算法相对简单，实用性强；并监测人体精神状态，适时提醒，使得用户保持良好坐姿，保护视力、减少人体损伤的可能。
为了解决上述问题，本发明提出了一种健康坐姿智能检测系统及方法；系统包括压力采集模块、图像采集模块、脑电监测模块和控制模块；
所述压力采集模块用于获取用户坐压数据；
所述图像采集模块用于获取用户图像数据；
所述脑电监测模块用于获取用户脑电数据；
所述控制模块用于收集并处理由压力采集模块、图像采集模块和脑电监测模块反馈的数据。
进一步地，所述压力采集模块包括具有多个压力传感节点的面矩阵组件，采集用户用户坐压数据。
进一步地，所述图像采集模块包括摄像组件，摄取用户背部的用户图像数据。
进一步地，所述脑电监测模块包括佩戴于人体头脑以获取用户脑电数据的脑电监测组件。
本发明还提出了一种健康坐姿智能检测方法，包括如下步骤：
S1：压力采集模块获取用户坐压数据；
S2：控制模块分析用户坐压数据，判断用户是否左倾或右倾；若是，则执行步骤S3；若否，则执行步骤S5；
S3：脑电监测模块获取用户脑电数据；
S4：控制模块分析用户脑电数据，判断用户是否处于睡眠状态；若否，则提醒用户坐姿异常；
S5：图像采集模块获取用户图像数据；
S6：控制模块分析用户图像数据，判断用户是否前倾或后倾；若是，则提醒坐姿异常。
进一步地，包括如下步骤：
S7：脑电监测模块获取用户脑电数据；
S8：控制模块分析用户脑电数据，判断用户是否处于非专注状态；若是，则提醒专注。
进一步地，所述步骤S8非专注状态为控制模块使用机器学习算法对用户脑电数据进行特征提取后得出，机器学习算法包含基于SVM的二分类算法。
进一步地，所述步骤S2分析包括：
S2.1：统计用户坐压数据竖列L1；
S2.2：判断用户坐压数据竖列L1是否大于等于预设值L0；若是，则执行步骤S2.3；若否，则执行步骤S2.4；
S2.3：取用户坐压数据竖列L1中间值将坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S2.4：取坐压数据竖列L1中间值将坐压数据分为左右坐压数据，比较左右压力和的大小，在压力和较小的一边进行补0，直至补齐预设值L0列，再将补0后的L0列坐压数据分为左右坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S2.5：判断左右压力和之差|ΔP|是否大于预设阈值P10；若是，则执行步骤S3；若否，则执行步骤S5。
进一步地，所述步骤S6分析包括：
S6.1：基于边缘检测法分割人体图像与课桌图像，分析获得用户图像像素点PX2；计算PX2与预设值PX21的差值|ΔPX|；
S6.2：判断差值|ΔPX|是否大于预设阈值PX20；若是，则提醒坐姿异常；若否，则执行步骤S7。
进一步地，在时间T内，每当判断到用户左倾或右倾时，左倾或右倾的次数变量N1自加1，判断用户左倾或右倾的次数变量N1是否大于预设值N10，若是，则提醒用户坐姿异常；
在时间T内，每当判断到用户前倾或后倾时，前倾或后倾的次数变量N2自加1，判断用户前倾或后倾的次数变量N2是否大于预设值N20，若是，则提醒用户坐姿异常；
在时间T内，每当判断到用户处于非专注状态时，处于非专注状态的次数变量N3自加1，判断用户处于非专注状态的次数变量N3是否大于预设值N30，若是，则提醒用户注意专注；
每隔时间T，将用户左倾或右倾的次数变量N1、前倾或后倾的次数变量N2及处于非专注状态的次数变量N3重设为0。
本发明提供的技术方案带来的有益效果是：
1、从多维度进行坐姿检测，提高人体坐姿识别的精确度，同时检测算法相对简单，实用性强；并监测人体精神状态，适时提醒，使得用户保持良好坐姿，保护视力、减少人体损伤的可能；
2、在检测到用户坐姿无异常时，监测用户专注度状态，有益于提高学生专注度、学习效率和学习成绩。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请所述健康坐姿智能检测系统的结构示意图。
图2是本申请所述健康坐姿智能检测系统的使用示意图。
图3是图2中所述健康坐姿智能检测方法的算法流程图。
图4是本发明实施例中一种健康坐姿智能检测方法的流程图。
图5是本发明实施例中一种健康坐姿智能检测方法的流程图。
图6是本发明实施例中用户坐压数据示意图。
图7是本发明实施例中用户坐压数据补0后示意图。
【具体实施方式】
为了使本申请所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
在初次使用前，进行初始化操作。先让用户以标准坐姿坐在压力采集模块上，系统获取标准坐姿状态下用户臀部压力点竖列范围L0，即预设值L0；系统获取标准坐姿状态下用户人体覆盖像素点PX21，即预设值PX21。
如图2所示，本申请实施例提供了一种健康坐姿智能检测系统；包括压力采集模块1、图像采集模块2、脑电监测模块3、控制模块，控制模块与压力采集模块1、图像采集模块2、脑电监测模块3通过无线或有线连接传输数据；
压力采集模块1包括具有多个压力传感节点的面矩阵组件，位于人体臀部下方，用于获取用户坐压数据；
图像采集模块2包括摄像组件，摄像组件包括有摄像头，位于人体后面座椅上，用于获取用户图像数据；
脑电监测模块3包括佩戴于人体头部以获取用户脑电数据的脑电监测组件，脑电监测组件含有多个电极，与人体头部接触，用于获取用户脑电数据；
控制模块用于收集并处理由压力采集模块1、图像采集模块2和脑电监测模块3反馈的数据；判断用户是否左倾或右倾、前倾或后倾，若是，则通过压力采集模块振动频率1提醒用户坐姿；判断用户是否处于非专注状态，若是，则通过压力采集模块振动频率2提醒用户注意专注。
图4显示了本发明第一实施例的健康坐姿智能检测方法：
S1：压力采集模块1获取用户坐压数据；
S2：控制模块分析用户坐压数据，判断用户是否左倾或右倾；
S2.1：统计用户坐压数据竖列L1,竖列为与座椅背部垂直的方向；
S2.2：判断用户坐压数据竖列L1是否大于等于预设值L0；若是，则执行步骤S2.3；若否，则执行步骤S2.4；
S2.3：取用户坐压数据竖列L1中间值将坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S2.4：取坐压数据竖列L1中间值将坐压数据分为左右坐压数据，比较左右压力和的大小，在压力和较小的一边进行补0，直至补齐预设值L0列，再将补0后的L0列坐压数据分为左右坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S2.5：判断左右压力和之差|ΔP|是否大于预设阈值P10；若是，则执行步骤S3；若否，则执行步骤S5；
S3：脑电监测模块3获取用户脑电数据；
S4：控制模块分析用户脑电数据，判断用户是否处于睡眠状态；
S4.1：控制模块使用机器学习算法对用户脑电数据进行特征提取；
S4.2：依据特征判断用户是否处于睡眠状态；若否，则提醒坐姿异常；
S5：图像采集模块2获取用户图像数据；
S6：控制模块分析用户图像数据，判断用户是否前倾或后倾；
S6.1：基于边缘检测法分割人体图像与课桌图像，分析获得用户图像像素点PX2；计算PX2与预设值PX21的差值|ΔPX|；
S6.2：判断差值|ΔPX|是否大于预设阈值PX20；若是，则提醒坐姿异常；若否，则执行步骤S7；
S7：脑电监测模块3获取用户脑电数据；
S8：控制模块分析用户脑电数据，判断用户是否处于非专注状态；
S8.1：控制模块使用机器学习算法对用户脑电数据进行特征提取；
S8.2：依据特征判断用户是否处于非专注状态；若是，则提醒专注。
图5显示了本发明第二实施例的健康坐姿智能检测方法：
S1：每隔时间T,设置用户左倾或右倾的次数变量N1＝0,设置用户前倾或后倾的次数变量N2＝0,设置用户处于非专注状态的次数变量N3＝0；
S2：每隔时间T1进行下列步骤；
S3：压力采集模块获取用户坐压数据；
S4：控制模块分析用户坐压数据，判断用户是否左倾或右倾；
S4.1：统计用户坐压数据竖列L1,竖列为与座椅背部垂直的方向；
S4.2：判断用户坐压数据竖列L1是否大于等于预设值L0；若是，则执行步骤S4.3；若否，则执行步骤S4.4；
S4.3：取用户坐压数据竖列L1中间值将坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S4.4：取坐压数据竖列L1中间值将坐压数据分为左右坐压数据，比较左右压力和的大小，在压力和较小的一边进行补0，直至补齐预设值L0列，再将补0后的L0列坐压数据分为左右坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S4.5：判断左右压力和之差|ΔP|是否大于预设阈值P10；若是，则执行步骤S4.6；若否，则执行步骤S7；
S4.6：用户左倾或右倾的次数变量N1自加1；
S4.7：判断用户左倾或右倾的次数变量N1是否大于预设值N10；若是，则执行步骤S5；若否，则执行步骤S2；
S5：脑电监测模块获取用户脑电数据；
S6：控制模块分析用户脑电数据，判断用户是否处于睡眠状态；
S6.1：控制模块使用机器学习算法对用户脑电数据进行特征提取；
S6.2：依据特征判断用户是否处于睡眠状态；若否，则提醒用户坐姿异常；
S7：图像采集模块获取用户图像数据；
S8：控制模块分析用户图像数据，判断用户是否前倾或后倾；
S8.1：基于边缘检测法分割人体图像与课桌图像，分析获得用户图像像素点PX2；计算PX2与预设值PX21的差值|ΔPX|；
S8.2：判断差值|ΔPX|是否大于预设阈值PX20；若是，则执行步骤S8.3；若否，则执行步骤S9；
S8.3：用户前倾或后倾的次数变量N2自加1；
S8.4：判断用户左倾或右倾的次数变量N2是否大于预设值N20；若是，则提醒用户坐姿异常；若否，则执行步骤S2；
S9：脑电监测模块获取用户脑电数据；
S10：控制模块分析用户脑电数据，判断用户是否处于非专注状态；
S10.1：控制模块使用机器学习算法对用户脑电数据进行特征提取；
S10.2：依据特征判断用户是否处于非专注状态；若是，则执行步骤S10.3；
S10.3：用户处于非专注状态的次数变量N3自加1；
S10.4：判断用户非专注状态的次数变量N3是否大于预设值N30；若是，则提醒专注；若否，则执行步骤S2。
为了更好理解用户坐压数据分析步骤，进行进一步说明：
系统采集到获取标准坐姿状态下用户臀部压力点竖列范围L0等于10，即预设值L0等于10。
图6是本发明实施例中用户坐压数据示意图，黑色圈表示有压力，此处为了说明简明，假定每个黑色圈代表压力值相等。
图7是本发明实施例中用户坐压数据补0后示意图，斜纹圈表示压力值为0。
由图中可以看到用户坐压数据只有8列，小于预设值L0的10列，比较左右压力和的大小；可以看到左边压力和较小，因此在左边进行补0，补齐L0列；补0后，对称轴左移了，再将补0后的L0列坐压数据分为左右坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|。
综上所述，本申请具有但不限于以下有益效果：
1、从多维度进行坐姿检测，提高人体坐姿识别的精确度，同时检测算法相对简单，实用性强；并监测人体精神状态，适时提醒，使得用户保持良好坐姿，保护视力、减少人体损伤的可能；
2、在检测到用户坐姿无异常时，监测用户专注度状态，有益于提高学生专注度、学习效率和学习成绩。
应当理解的是，本申请中采用术语“第一”、“第二”等来描述各种信息，但这些信息不应限于这些术语，这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，“第一”信息也可以被称为“第二”信息，类似的，“第二”信息也可以被称为“第一”信息。此外，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
如上所述是结合具体内容提供的一种或多种实施方式，并不认定本申请的具体实施只局限于这些说明。凡与本申请的方法、结构等近似、雷同，或是对于本申请构思前提下做出若干技术推演，或替换都应当视为本申请的保护范围。
Claims (10)
1.一种健康坐姿智能检测系统，其特征在于，包括压力采集模块、图像采集模块、脑电监测模块和控制模块；
所述压力采集模块用于获取用户坐压数据；
所述图像采集模块用于获取用户图像数据；
所述脑电监测模块用于获取用户脑电数据；
所述控制模块用于收集并处理由压力采集模块、图像采集模块和脑电监测模块反馈的数据。
2.根据权利要求1所述的健康坐姿智能检测系统，其特征在于，所述压力采集模块包括具有多个压力传感节点的面矩阵组件。
3.根据权利要求1所述的健康坐姿智能检测系统，其特征在于，所述图像采集模块包括摄像组件。
4.根据权利要求1所述的健康坐姿智能检测系统，其特征在于，所述脑电监测模块包括佩戴于人体头部以获取用户脑电数据的脑电监测组件。
5.一种健康坐姿智能检测方法，其特征在于，包括如下步骤：
S1：压力采集模块获取用户坐压数据；
S2：控制模块分析用户坐压数据，判断用户是否左倾或右倾；若是，则执行步骤S3；若否，则执行步骤S5；
S3：脑电监测模块获取用户脑电数据；
S4：控制模块分析用户脑电数据，判断用户是否处于睡眠状态；若否，则提醒用户坐姿异常；
S5：图像采集模块获取用户图像数据；
S6：控制模块分析用户图像数据，判断用户是否前倾或后倾；若是，则提醒坐姿异常。
6.根据权利要求5所述的健康坐姿智能检测方法，其特征在于，包括如下步骤：
S7：脑电监测模块获取用户脑电数据；
S8：控制模块分析用户脑电数据，判断用户是否处于非专注状态；若是，则提醒专注。
7.根据权利要求6所述的健康坐姿智能检测方法，其特征在于，所述步骤S8非专注状态为控制模块使用机器学习算法对用户脑电数据进行特征提取后得出，所述机器学习算法包含基于SVM的二分类算法。
8.根据权利要求5所述的健康坐姿智能检测方法，其特征在于，所述步骤S2分析包括：
S2.1：统计用户坐压数据竖列L1；
S2.2：判断用户坐压数据竖列L1是否大于等于预设值L0；若是，则执行步骤S2.3；若否，则执行步骤S2.4；
S2.3：取用户坐压数据竖列L1中间值将坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S2.4：取坐压数据竖列L1中间值将坐压数据分为左右坐压数据，比较左右压力和的大小，在压力和较小的一边进行补0，直至补齐预设值L0列，再将补0后的L0列坐压数据分为左右坐压数据分为左右坐压数据，计算左右压力和之差|ΔP|；
S2.5：判断左右压力和之差|ΔP|是否大于预设阈值P10；若是，则执行步骤S3；若否，则执行步骤S5。
9.根据权利要求5所述的健康坐姿智能检测方法，其特征在于，所述步骤S6分析包括：
S6.1：基于边缘检测法分割人体图像与课桌图像，分析获得用户图像像素点PX2；计算PX2与预设值PX21的差值|ΔPX|；
S6.2：判断差值|ΔPX|是否大于预设阈值PX20；若是，则提醒坐姿异常；若否，则执行步骤S7。
10.根据权利要求5-9任一项所述的健康坐姿智能检测方法，其特征在于，
在时间T内，每当判断到用户左倾或右倾时，左倾或右倾的次数变量N1自加1，判断用户左倾或右倾的次数变量N1是否大于预设值N10，若是，则提醒用户坐姿异常；
在时间T内，每当判断到用户前倾或后倾时，前倾或后倾的次数变量N2自加1，判断用户前倾或后倾的次数变量N2是否大于预设值N20，若是，则提醒用户坐姿异常；
在时间T内，每当判断到用户处于非专注状态时，处于非专注状态的次数变量N3自加1，判断用户处于非专注状态的次数变量N3是否大于预设值N30，若是，则提醒用户注意专注；
每隔时间T0，将用户左倾或右倾的次数变量N1、前倾或后倾的次数变量N2及处于非专注状态的次数变量N3重设为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111014509.8A CN113558614A (zh) | 2021-08-31 | 2021-08-31 | 一种健康坐姿智能检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111014509.8A CN113558614A (zh) | 2021-08-31 | 2021-08-31 | 一种健康坐姿智能检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113558614A true CN113558614A (zh) | 2021-10-29 |
Family
ID=78173322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111014509.8A Pending CN113558614A (zh) | 2021-08-31 | 2021-08-31 | 一种健康坐姿智能检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113558614A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115035696A (zh) * | 2022-07-07 | 2022-09-09 | 中南迅智科技有限公司 | 一种学习过程姿势采集提醒系统 |
| CN115399597A (zh) * | 2022-09-09 | 2022-11-29 | 永艺家具股份有限公司 | 一种智能座椅的自适应坐姿识别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102641554A (zh) * | 2011-02-22 | 2012-08-22 | 苏州景昱医疗器械有限公司 | 具有体外睡眠检测装置的反馈式神经电刺激系统及方法 |
| CN105976579A (zh) * | 2015-03-13 | 2016-09-28 | 胡渐佳 | 不良学习状态提醒方法和提醒装置 |
| CN109353251A (zh) * | 2018-09-03 | 2019-02-19 | 温州大学 | 一种用于防疲劳驾驶机动车辆的系统和方法 |
| CN110292386A (zh) * | 2019-06-24 | 2019-10-01 | 中国地质大学（武汉） | 一种基于视频信息和压电信息的人体坐姿检测系统及方法 |
| CN111027517A (zh) * | 2019-12-26 | 2020-04-17 | 陈欣然 | 一种基于视觉的坐姿矫正提醒系统及方法、应用 |
| CN111918133A (zh) * | 2020-07-27 | 2020-11-10 | 深圳创维－Rgb电子有限公司 | 辅导和监督学生写作业的方法、电视机和存储介质 |
| CN215959878U (zh) * | 2021-08-31 | 2022-03-08 | 中山优感科技有限公司 | 一种健康坐姿智能检测系统 |
-
2021
- 2021-08-31 CN CN202111014509.8A patent/CN113558614A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102641554A (zh) * | 2011-02-22 | 2012-08-22 | 苏州景昱医疗器械有限公司 | 具有体外睡眠检测装置的反馈式神经电刺激系统及方法 |
| CN105976579A (zh) * | 2015-03-13 | 2016-09-28 | 胡渐佳 | 不良学习状态提醒方法和提醒装置 |
| CN109353251A (zh) * | 2018-09-03 | 2019-02-19 | 温州大学 | 一种用于防疲劳驾驶机动车辆的系统和方法 |
| CN110292386A (zh) * | 2019-06-24 | 2019-10-01 | 中国地质大学（武汉） | 一种基于视频信息和压电信息的人体坐姿检测系统及方法 |
| CN111027517A (zh) * | 2019-12-26 | 2020-04-17 | 陈欣然 | 一种基于视觉的坐姿矫正提醒系统及方法、应用 |
| CN111918133A (zh) * | 2020-07-27 | 2020-11-10 | 深圳创维－Rgb电子有限公司 | 辅导和监督学生写作业的方法、电视机和存储介质 |
| CN215959878U (zh) * | 2021-08-31 | 2022-03-08 | 中山优感科技有限公司 | 一种健康坐姿智能检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘少华;徐超;许金林;许胜强;元沐南;: "基于柔性力敏传感器的便携式坐姿监测与提醒系统", 计算机系统应用, no. 07 * |
| 王巍等: "《隐式人机交互》", 7 March 2015, 西安电子科技大学出版社, pages: 74 - 75 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115035696A (zh) * | 2022-07-07 | 2022-09-09 | 中南迅智科技有限公司 | 一种学习过程姿势采集提醒系统 |
| CN115035696B (zh) * | 2022-07-07 | 2024-05-10 | 中南迅智科技有限公司 | 一种学习过程姿势采集提醒系统 |
| CN115399597A (zh) * | 2022-09-09 | 2022-11-29 | 永艺家具股份有限公司 | 一种智能座椅的自适应坐姿识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108814616B (zh) | 一种坐姿识别的方法及智能座椅 | |
| CN113558614A (zh) | 一种健康坐姿智能检测系统及方法 | |
| CN110934591B (zh) | 一种坐姿检测方法及装置 | |
| CN111178280A (zh) | 一种人体坐姿识别方法、装置、设备及存储介质 | |
| US20220406159A1 (en) | Fall Risk Assessment System | |
| CN110032940B (zh) | 一种视频行人重识别的方法和系统 | |
| CN105095885B (zh) | 一种人眼状态的检测方法和检测装置 | |
| CN111931733A (zh) | 基于深度相机的人体姿态检测方法 | |
| KR20170112058A (ko) | 사용자 자세 분석 방법 | |
| CN114973423B (zh) | 用于儿童学习桌的坐姿监测的警示方法及系统 | |
| CN104503537A (zh) | 一种带有预防近视和腰椎脊椎疾病的电脑显示器 | |
| CN106781326A (zh) | 一种纠正座椅及其检测方法 | |
| CN110415497A (zh) | 坐姿报警方法及系统 | |
| Muppavram et al. | Posture alert | |
| CN111027517A (zh) | 一种基于视觉的坐姿矫正提醒系统及方法、应用 | |
| Zhang et al. | Multimodal data-based deep learning model for sitting posture recognition toward office workers’ health promotion | |
| CN113989936A (zh) | 一种可识别儿童坐姿并自动语音纠正的台灯 | |
| Guerra et al. | Skeleton data pre-processing for human pose recognition using Neural Network | |
| CN111047832A (zh) | 具有坐姿调整功能的移动设备及其使用方法 | |
| CN215959878U (zh) | 一种健康坐姿智能检测系统 | |
| CN115127704B (zh) | 一种基于柔性薄膜压力传感器的坐姿识别方法 | |
| CN113361342B (zh) | 一种基于多模态的人体坐姿检测方法及装置 | |
| CN116884083B (zh) | 一种基于人体关键点的坐姿检测方法、介质及设备 | |
| CN113903161A (zh) | 一种坐姿提醒装置及方法 | |
| Nehra et al. | Unobtrusive and non-invasive human activity recognition using Kinect sensor |
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 |