CN115127704A - 一种基于柔性薄膜压力传感器的坐姿识别方法 - Google Patents
一种基于柔性薄膜压力传感器的坐姿识别方法 Download PDFInfo
- Publication number
- CN115127704A CN115127704A CN202210730112.7A CN202210730112A CN115127704A CN 115127704 A CN115127704 A CN 115127704A CN 202210730112 A CN202210730112 A CN 202210730112A CN 115127704 A CN115127704 A CN 115127704A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- flexible film
- pressure sensor
- film pressure
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 140
- 238000012937 correction Methods 0.000 claims abstract description 23
- 230000036544 posture Effects 0.000 claims description 178
- 230000008569 process Effects 0.000 claims description 10
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 239000010408 film Substances 0.000 description 69
- 238000012544 monitoring process Methods 0.000 description 10
- 238000010606 normalization Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- 210000000689 upper leg Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 208000020307 Spinal disease Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C31/00—Details or accessories for chairs, beds, or the like, not provided for in other groups of this subclass, e.g. upholstery fasteners, mattress protectors, stretching devices for mattress nets
- A47C31/12—Means, e.g. measuring means for adapting chairs, beds or mattresses to the shape or weight of persons
- A47C31/126—Means, e.g. measuring means for adapting chairs, beds or mattresses to the shape or weight of persons for chairs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/16—Measuring force or stress, in general using properties of piezoelectric devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/0028—Force sensors associated with force applying means
Abstract
本发明涉及信息技术领域，具体涉及一种基于柔性薄膜压力传感器的坐姿识别方法，包括：在实验室条件下建立坐姿识别模型；用户首次使用时，完成至少一次正坐，计算总和与实验室条件下实验人员完成正坐时的检测值总和的差值；将差值乘以预设系数后作为修正值，将每个坐姿对应的柔性薄膜压力传感器的检测值叠加修正值；用户非首次使用时，周期性采集柔性薄膜压力传感器的检测值，将检测值与坐姿识别模型比对，若存在符合的记录，则对应坐姿为识别坐姿，完成坐姿识别；反之，则计算检测值占比，与坐姿识别模型比对，找到最为接近的检测值占比对应的坐姿为识别坐姿，完成坐姿识别。本发明的有益技术效果包括：提高坐姿识别的准确度。
Description
技术领域
本发明涉及信息技术领域，具体涉及一种基于柔性薄膜压力传感器的坐姿识别方法。
背景技术
柔性薄膜压力传感器，因其柔性特性，可应用于人体体征和健康状况的检测，和其他需要检测压力的场景等，如呼吸监测、运动监测、脉搏监测、坐姿监测等，通过检测呼吸、运动、心跳、坐姿变化时，传感器所受到的压力不同，从而监测出相应的信息；如压力传感器床垫，可用于夜间睡眠监测，如老人睡眠健康或者医院病床管理；压力传感器鞋垫，可用于运动监测，例如运动时间、走路姿势等；穿戴式坐姿识别设备，可用于学习、工作时背部等姿势的监测；随着需求的增长与技术的进步，柔性压力传感器未来有望在人体健康监测、人工智能设备、软性机器人、仪器仪表振动监测等方面发挥巨大的应用潜力。
每天我们都需要长时间的工作、学习，在此过程中，不免会出现一些列不良的坐姿，而长期的不良坐姿，会造成人体骨骼变化，甚至会诱发一系列脊椎疾病。但是目前，因传感器成本较高，还未在社会上得到广泛的商用，只是在一些高端的设备上，如医疗器械；而且现在采用柔性薄膜压力传感器的姿势监测产品中，基本上都以穿戴式为主，日常使用时较为不便。一些学习产品中，如摄像头坐姿识别产品，使用时对摆放位置和角度的要求较高，只能识别胸口以上的一些姿势变化，识别率也较低；如测距方案的产品，安装于胸前位置，只能检测离桌子或桌面是否太近，局限性太大；如采用薄膜开关阵列的方案，受其他重物影响，且识别率较不高，误差较大。因此有必要研究能够更加准确识别坐姿的技术。
如中国专利CN112949434A，公开日2021年6月11日，公开了一种人体坐姿识别系统，包括压力测量装置和数据处理装置，其中压力测量装置用于采集使用者在其坐姿下的座椅压力分布和状态数据，并发送给数据处理装置；数据处理装置被配置为基于数据使用坐姿种类识别算法完成坐姿种类识别，以及使用坐姿状态识别模型完成坐姿状态识别，并对坐姿种类识别结果进行修正与反馈。其技术方案能够便捷地对坐姿种类进行识别。但其技术方案不能解决当前坐姿识别准确度低的技术问题。
发明内容
本发明所要解决的技术问题：目前坐姿识别准确度低的技术问题。提出了一种基于柔性薄膜压力传感器的坐姿识别方法，借助柔性薄膜压力传感器及改进的坐姿识别模型，提高了坐姿识别的准确度。
解决上述技术问题，本发明采用如下技术方案：一种基于柔性薄膜压力传感器的坐姿识别方法，包括：
在实验室条件下建立坐姿识别模型，所述坐姿识别模型记录柔性薄膜压力传感器的检测值及检测值占比与坐姿对应关系；
用户首次使用时，完成至少一次正坐，采集柔性薄膜压力传感器的检测值并求总和，计算总和与实验室条件下实验人员完成正坐时的检测值总和的差值；
将差值乘以预设系数后作为修正值，将每个坐姿对应的柔性薄膜压力传感器的检测值叠加修正值；
用户非首次使用时，周期性采集柔性薄膜压力传感器的检测值，将检测值与坐姿识别模型比对，若存在符合的记录，则对应坐姿为识别坐姿，完成坐姿识别；
反之，则计算检测值占比，与坐姿识别模型比对，找到最为接近的检测值占比对应的坐姿为识别坐姿，完成坐姿识别。
作为优选，计算柔性薄膜压力传感器检测值占比的方法包括：
计算全部柔性薄膜压力传感器检测值的总和，记为S；
计算每个柔性薄膜压力传感器检测值与总和S的比值，即为柔性薄膜压力传感器检测值占比。
作为优选，制作坐姿识别模型的方法包括：
在实验室条件下尝试多种坐态，每种坐态重复多次，采集每个柔性薄膜压力传感器检测值并分别计算均值，作为最终检测值；
将坐态归类为预设的若干种坐姿；
列举仅根据检测值范围即可唯一确定坐姿的柔性薄膜压力传感器及相应的检测值范围，关联相应的坐姿，构成一类参照条目；
计算柔性薄膜压力传感器的检测值占比，将检测值占比与坐姿关联，作为二类参照条目；
全部一类参照条目和二类参照条目构成坐姿识别模型。
作为优选，列举仅根据检测值范围即可唯一确定坐姿的柔性薄膜压力传感器及相应的检测值范围的方法包括：
将坐态按照归类的坐姿分组；
遍历每个柔性薄膜压力传感器，执行以下步骤：
将当前柔性薄膜压力传感器的检测值按照检测值大小升序或者降序排列；
若存在上参照值，使得当前柔性薄膜压力传感器的检测值大于上参照值时，仅对应一种坐姿，则获得上参照值的最小值作为最终的上参照值，则将上参照值至上限值作为检测值范围，相应的坐姿为关联的坐姿，构成一类参照条目；
若存在下参照值，使得当前柔性薄膜压力传感器的检测值小于下参照值时，仅对应一种坐姿，则获得下参照值的最大值作为最终的下参照值，则将零至下参照值作为检测值范围，相应的坐姿为关联的坐姿，构成一类参照条目。
作为优选，计算柔性薄膜压力传感器检测值占比前，将柔性薄膜压力传感器检测值归一化处理，使用归一化的柔性薄膜压力传感器检测值计算柔性薄膜压力传感器检测值占比。
作为优选，在实验室条件下进行摇坐，所述摇坐指正坐后上半身以最大幅度向侧方倾斜转动一圈；
读取摇坐过程中，每个柔性薄膜压力传感器的检测值，获得摇坐过程中每个柔性薄膜压力传感器的可测最大值；
多次进行摇坐，计算每个柔性薄膜压力传感器在摇坐过程中的可测最大值的均值，作为最终的可测最大值；
将柔性薄膜压力传感器检测值与可测最大值的比值作为归一化的值。
作为优选，从坐姿识别模型选择一条坐姿为正坐的检测值占比记录，作为参照正坐记录；
用户首次使用时，完成正坐的方法包括：
用户坐入座椅，尝试正坐姿势，周期性检测，直到出现检测值占比最为接近的记录为参照正坐；
提示用户保持预设时长，完成正坐。
作为优选，为每个柔性薄膜压力传感器设置修正系数，全部修正系数的和为1；
将差值乘以修正系数后作为对应柔性薄膜压力传感器的修正值，将修正值叠加到每个坐姿中相应的柔性薄膜压力传感器的检测值上。
本发明的有益技术效果包括：通过获取柔性薄膜压力传感器的检测值，结合改进的坐姿识别模型能够更加准确的识别出当前的坐姿，提高坐姿识别的准确度；坐姿识别模型中设置通过检测值即可直接完成识别的条目，提高了部分坐姿的识别速度，提高了坐姿识别的效率；对检测值进行归一化处理，并使用可测最大值作为归一化依据，进一步提高坐姿识别的准确度。
本发明的其他特点和优点将会在下面的具体实施方式、附图中详细的揭露。
附图说明
下面结合附图对本发明做进一步的说明：
图1为本发明实施例一坐姿识别方法流程示意图。
图2为本发明实施例一计算柔性薄膜压力传感器检测值占比方法流程示意图。
图3为本发明实施例一制作坐姿识别模型方法流程示意图。
图4为本发明实施例二检测值归一化方法流程示意图。
图5为本发明实施例二完成正坐方法流程示意图。
具体实施方式
下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。
在下文描述中，出现诸如术语“内”、“外”、“上”、“下”、“左”、“右”等指示方位或者位置关系仅是为了方便描述实施例和简化描述，而不是指示或暗示所指的装置或者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发明的限制。
实施例一：
一种基于柔性薄膜压力传感器的坐姿识别方法，请参阅附图1，包括：
步骤A01)在实验室条件下建立坐姿识别模型，坐姿识别模型记录柔性薄膜压力传感器的检测值及检测值占比与坐姿对应关系；
步骤A02)用户首次使用时，完成至少一次正坐，采集柔性薄膜压力传感器的检测值并求总和，计算总和与实验室条件下实验人员完成正坐时的检测值总和的差值；
步骤A03)将差值乘以预设系数后作为修正值，将每个坐姿对应的柔性薄膜压力传感器的检测值叠加修正值；
步骤A04)用户非首次使用时，周期性采集柔性薄膜压力传感器的检测值，将检测值与坐姿识别模型比对，若存在符合的记录，则对应坐姿为识别坐姿，完成坐姿识别；
步骤A05)反之，则计算检测值占比，与坐姿识别模型比对，找到最为接近的检测值占比对应的坐姿为识别坐姿，完成坐姿识别。
柔性薄膜压力传感器的排列有多种设置方式，本实施例以V形排列为例进行说明。V形排列包括两列呈锐角的压力传感器，每列具有3个压力传感器。V形排列位置对应人的大腿位置，按照对应左大腿和右大腿，分别记为左列和右列。按照远离人臀部的方向依次为压力传感器编号。即左列依次编号为左1、左2和左3，右列依次编号为右1、右2和右3。
表1坐姿识别模型的部分条目
如表1所示，记载了坐姿识别模型的部分条目。根据第一个条目，当左3或者右3的检测值大于1000值，可以直接判定坐姿为前坐。当柔性薄膜压力传感器的检测值未找到相符的根据检测值进行坐姿识别的记录时，就需要计算检测值占比，找到与检测值占比最接近的条目，找到的条目对应的坐姿即为识别出的坐姿。如此建立坐姿识别模型即能够提高坐姿识别的效率，同时又能够提高坐姿识别的准确度。
请参阅附图2，计算柔性薄膜压力传感器检测值占比的方法包括：步骤B01)计算全部柔性薄膜压力传感器检测值的总和，记为S；步骤B02)计算每个柔性薄膜压力传感器检测值与总和S的比值，即为柔性薄膜压力传感器检测值占比。如表2所示，某个时刻采集到的柔性薄膜压力传感器的检测值如表中记载，计算检测值占比后可以进行规整。不采取规整不影响本实施例记载技术的实施。
表2计算获得的压力传感器检测值占比
| 编号 | 检测值 | 检测值占比 | 规整占比 |
| 左1 | 400 | 0.108695652 | 0.10 |
| 左2 | 600 | 0.163043478 | 0.15 |
| 左3 | 900 | 0.244565217 | 0.25 |
| 右1 | 360 | 0.097826087 | 0.10 |
| 右2 | 580 | 0.157608696 | 0.15 |
| 右3 | 840 | 0.22826087 | 0.25 |
| 求和 | 3680 | 1 | 1 |
请参阅附图3，制作坐姿识别模型的方法包括：
步骤C01)在实验室条件下尝试多种坐态，每种坐态重复多次，采集每个柔性薄膜压力传感器检测值并分别计算均值，作为最终检测值；
步骤C02)将坐态归类为预设的若干种坐姿；
步骤C03)列举仅根据检测值范围即可唯一确定坐姿的柔性薄膜压力传感器及相应的检测值范围，关联相应的坐姿，构成一类参照条目；
步骤C04)计算柔性薄膜压力传感器的检测值占比，将检测值占比与坐姿关联，作为二类参照条目；
步骤C05)全部一类参照条目和二类参照条目构成坐姿识别模型。多种坐态能够归类为同一种坐姿。正坐的坐态包括为多种身体形态，如正坐稍前倾、正坐稍后倾及正坐这些坐态。
列举仅根据检测值范围即可唯一确定坐姿的柔性薄膜压力传感器及相应的检测值范围的方法包括：
将坐态按照归类的坐姿分组；
遍历每个柔性薄膜压力传感器，执行以下步骤：
将当前柔性薄膜压力传感器的检测值按照检测值大小升序或者降序排列；
若存在上参照值，使得当前柔性薄膜压力传感器的检测值大于上参照值时，仅对应一种坐姿，则获得上参照值的最小值作为最终的上参照值，则将上参照值至上限值作为检测值范围，相应的坐姿为关联的坐姿，构成一类参照条目；
若存在下参照值，使得当前柔性薄膜压力传感器的检测值小于下参照值时，仅对应一种坐姿，则获得下参照值的最大值作为最终的下参照值，则将零至下参照值作为检测值范围，相应的坐姿为关联的坐姿，构成一类参照条目。如表3所示，其中编号为左3的柔性薄膜压力传感器按照降序排序后，能够找到上参照值，上参照值的最小值为1000，当左3柔性薄膜压力传感器的检测值大于或等于1000时，总是对应前坐，构成一类参照条目。而左2柔性薄膜压力传感器的检测值就存在同一个取值区间内，存在多种坐姿的情况。如检测值900时，即有可能是正坐，也有可能是后坐。无法仅根据左2柔性薄膜压力传感器的检测值就确定坐姿，因此左2柔性薄膜压力传感器不能够建立一类参照条目。
表3编号为左3的柔性薄膜压力传感器检测值降序与坐姿表
| 左3检测值 | 左2检测值 | 坐姿 |
| 1200 | 500 | 前坐 |
| 1100 | 600 | 前坐 |
| 1000 | 700 | 前坐 |
| 900 | 800 | 正坐 |
| 600 | 900 | 正坐 |
| 300 | 900 | 后坐 |
| 200 | 800 | 后坐 |
| 20 | 30 | 空置 |
计算柔性薄膜压力传感器检测值占比前，将柔性薄膜压力传感器检测值归一化处理，使用归一化的柔性薄膜压力传感器检测值计算柔性薄膜压力传感器检测值占比。
本实施例的有益技术效果包括：通过获取柔性薄膜压力传感器的检测值，结合改进的坐姿识别模型能够更加准确的识别出当前的坐姿，提高坐姿识别的准确度；坐姿识别模型中设置通过检测值即可直接完成识别的条目，提高了部分坐姿的识别速度，提高了坐姿识别的效率。
实施例二：
一种基于柔性薄膜压力传感器的坐姿识别方法，相对于实施例一，本实施例提供了优化的归一化算法，借助改进的归一化算法，针对用户的差异性，提高了坐姿识别的准确度。请参阅附图4，本实施例还包括：
步骤D01)在实验室条件下进行摇坐，摇坐指正坐后上半身以最大幅度向侧方倾斜转动一圈；
步骤D02)读取摇坐过程中，每个柔性薄膜压力传感器的检测值，获得摇坐过程中每个柔性薄膜压力传感器的可测最大值；
步骤D03)多次进行摇坐，计算每个柔性薄膜压力传感器在摇坐过程中的可测最大值的均值，作为最终的可测最大值；
步骤D04)将柔性薄膜压力传感器检测值与可测最大值的比值作为归一化的值。
在实验室条件下，从坐姿识别模型选择一条坐姿为正坐的检测值占比记录，作为参照正坐记录。请参阅附图5，用户首次使用时，完成正坐的方法包括：步骤E01)用户坐入座椅，尝试正坐姿势，周期性检测，直到出现检测值占比最为接近的记录为参照正坐；步骤E02)提示用户保持预设时长，完成正坐。
为每个柔性薄膜压力传感器设置修正系数，全部修正系数的和为1；将差值乘以修正系数后作为对应柔性薄膜压力传感器的修正值，将修正值叠加到每个坐姿中相应的柔性薄膜压力传感器的检测值上。
对检测值进行归一化处理，并使用可测最大值作为归一化依据，进一步提高坐姿识别的准确度。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。
Claims (8)
1.一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
包括：
在实验室条件下建立坐姿识别模型，所述坐姿识别模型记录柔性薄膜压力传感器的检测值及检测值占比与坐姿对应关系；
用户首次使用时，完成至少一次正坐，采集柔性薄膜压力传感器的检测值并求总和，计算总和与实验室条件下实验人员完成正坐时的检测值总和的差值；
将差值乘以预设系数后作为修正值，将每个坐姿对应的柔性薄膜压力传感器的检测值叠加修正值；
用户非首次使用时，周期性采集柔性薄膜压力传感器的检测值，将检测值与坐姿识别模型比对，若存在符合的记录，则对应坐姿为识别坐姿，完成坐姿识别；
反之，则计算检测值占比，与坐姿识别模型比对，找到最为接近的检测值占比对应的坐姿为识别坐姿，完成坐姿识别。
2.根据权利要求1所述的一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
计算柔性薄膜压力传感器检测值占比的方法包括：
计算全部柔性薄膜压力传感器检测值的总和，记为S；
计算每个柔性薄膜压力传感器检测值与总和S的比值，即为柔性薄膜压力传感器检测值占比。
3.根据权利要求1所述的一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
制作坐姿识别模型的方法包括：
在实验室条件下尝试多种坐态，每种坐态重复多次，采集每个柔性薄膜压力传感器检测值并分别计算均值，作为最终检测值；
将坐态归类为预设的若干种坐姿；
列举仅根据检测值范围即可唯一确定坐姿的柔性薄膜压力传感器及相应的检测值范围，关联相应的坐姿，构成一类参照条目；
计算柔性薄膜压力传感器的检测值占比，将检测值占比与坐姿关联，作为二类参照条目；
全部一类参照条目和二类参照条目构成坐姿识别模型。
4.根据权利要求3所述的一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
列举仅根据检测值范围即可唯一确定坐姿的柔性薄膜压力传感器及相应的检测值范围的方法包括：
将坐态按照归类的坐姿分组；
遍历每个柔性薄膜压力传感器，执行以下步骤：
将当前柔性薄膜压力传感器的检测值按照检测值大小升序或者降序排列；
若存在上参照值，使得当前柔性薄膜压力传感器的检测值大于上参照值时，仅对应一种坐姿，则获得上参照值的最小值作为最终的上参照值，则将上参照值至上限值作为检测值范围，相应的坐姿为关联的坐姿，构成一类参照条目；
若存在下参照值，使得当前柔性薄膜压力传感器的检测值小于下参照值时，仅对应一种坐姿，则获得下参照值的最大值作为最终的下参照值，则将零至下参照值作为检测值范围，相应的坐姿为关联的坐姿，构成一类参照条目。
5.根据权利要求1至4任一项所述的一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
计算柔性薄膜压力传感器检测值占比前，将柔性薄膜压力传感器检测值归一化处理，使用归一化的柔性薄膜压力传感器检测值计算柔性薄膜压力传感器检测值占比。
6.根据权利要求5所述的一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
在实验室条件下进行摇坐，所述摇坐指正坐后上半身以最大幅度向侧方倾斜转动一圈；
读取摇坐过程中，每个柔性薄膜压力传感器的检测值，获得摇坐过程中每个柔性薄膜压力传感器的可测最大值；
多次进行摇坐，计算每个柔性薄膜压力传感器在摇坐过程中的可测最大值的均值，作为最终的可测最大值；
将柔性薄膜压力传感器检测值与可测最大值的比值作为归一化的值。
7.根据权利要求1至4任一项所述的一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
从坐姿识别模型选择一条坐姿为正坐的检测值占比记录，作为参照正坐记录；
用户首次使用时，完成正坐的方法包括：
用户坐入座椅，尝试正坐姿势，周期性检测，直到出现检测值占比最为接近的记录为参照正坐；
提示用户保持预设时长，完成正坐。
8.根据权利要求1所述的一种基于柔性薄膜压力传感器的坐姿识别方法，其特征在于，
为每个柔性薄膜压力传感器设置修正系数，全部修正系数的和为1；
将差值乘以修正系数后作为对应柔性薄膜压力传感器的修正值，将修正值叠加到每个坐姿中相应的柔性薄膜压力传感器的检测值上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210730112.7A CN115127704B (zh) | 2022-06-24 | 2022-06-24 | 一种基于柔性薄膜压力传感器的坐姿识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210730112.7A CN115127704B (zh) | 2022-06-24 | 2022-06-24 | 一种基于柔性薄膜压力传感器的坐姿识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115127704A true CN115127704A (zh) | 2022-09-30 |
| CN115127704B CN115127704B (zh) | 2023-07-28 |
Family
ID=83380384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210730112.7A Active CN115127704B (zh) | 2022-06-24 | 2022-06-24 | 一种基于柔性薄膜压力传感器的坐姿识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115127704B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116150917A (zh) * | 2023-04-18 | 2023-05-23 | 华北理工大学 | 一种柔性压力传感的睡姿数据处理方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9795322B1 (en) * | 2016-10-14 | 2017-10-24 | Right Posture Pte. Ltd. | Methods and systems for monitoring posture with alerts and analytics generated by a smart seat cover |
| CN108549834A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市顺德区中山大学研究院 | 一种基于柔性传感器的人体坐姿识别方法及其系统 |
| CN112949434A (zh) * | 2021-02-19 | 2021-06-11 | 清华大学 | 基于压力坐垫的人体坐姿识别系统 |
| CN113349599A (zh) * | 2021-07-26 | 2021-09-07 | 合肥工业大学 | 一种坐姿调整方法及坐姿调整座椅 |
| CN114459639A (zh) * | 2022-01-11 | 2022-05-10 | 尧乐网络科技（上海）有限公司 | 一种人体睡姿识别的压力传感系统 |
| CN114623948A (zh) * | 2020-12-14 | 2022-06-14 | 华为技术有限公司 | 一种电子设备及检测体温的方法 |
-
2022
- 2022-06-24 CN CN202210730112.7A patent/CN115127704B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9795322B1 (en) * | 2016-10-14 | 2017-10-24 | Right Posture Pte. Ltd. | Methods and systems for monitoring posture with alerts and analytics generated by a smart seat cover |
| CN108549834A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市顺德区中山大学研究院 | 一种基于柔性传感器的人体坐姿识别方法及其系统 |
| CN114623948A (zh) * | 2020-12-14 | 2022-06-14 | 华为技术有限公司 | 一种电子设备及检测体温的方法 |
| CN112949434A (zh) * | 2021-02-19 | 2021-06-11 | 清华大学 | 基于压力坐垫的人体坐姿识别系统 |
| CN113349599A (zh) * | 2021-07-26 | 2021-09-07 | 合肥工业大学 | 一种坐姿调整方法及坐姿调整座椅 |
| CN114459639A (zh) * | 2022-01-11 | 2022-05-10 | 尧乐网络科技（上海）有限公司 | 一种人体睡姿识别的压力传感系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116150917A (zh) * | 2023-04-18 | 2023-05-23 | 华北理工大学 | 一种柔性压力传感的睡姿数据处理方法及装置 |
| CN116150917B (zh) * | 2023-04-18 | 2023-06-20 | 华北理工大学 | 一种柔性压力传感的睡姿数据处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115127704B (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110292386B (zh) | 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 | |
| CN109157194B (zh) | 一种软硬可调床垫的人体健康数据采集和分析系统及方法 | |
| JP3903206B2 (ja) | 身体圧分布の基本特性測定・解析システム | |
| US20100262026A1 (en) | Sleep position detection | |
| CN108888271B (zh) | 一种生理参数测量系统及配备该测量系统的智能座椅 | |
| US11589828B2 (en) | System and methods for electrocardiogram beat similarity analysis using deep neural networks | |
| CN115127704B (zh) | 一种基于柔性薄膜压力传感器的坐姿识别方法 | |
| CN109512188B (zh) | 一种坐姿检测方法和装置以及座椅 | |
| CN112990137B (zh) | 一种基于模板匹配的教室学生坐姿分析方法 | |
| TW201012436A (en) | Method and system for contour fitting and posture identification, and method for contour model adaptation | |
| CN114323368A (zh) | 一种基于臀部压力的柔性智能坐姿监测系统 | |
| US20220346656A1 (en) | Heart monitoring system and method | |
| CN111329462B (zh) | 一种实时无束缚心率提取方法 | |
| Steinmetzer et al. | Clustering of human gait with parkinson's disease by using dynamic time warping | |
| Breuss et al. | Sleep position detection for closed-loop treatment of sleep-related breathing disorders | |
| Tlili et al. | A Review on posture monitoring systems | |
| CN114550099A (zh) | 基于数字孪生的综合健康管理系统 | |
| CN112690781A (zh) | 一种基于多传感器的久坐提醒及健康监测系统 | |
| CN115082961A (zh) | 一种基于录入数据的坐姿识别方法 | |
| KR102544936B1 (ko) | 압력센서를 이용한 머신러닝 기반의 자세 판별 시스템 | |
| Yan et al. | iGuard: an intelligent sitting posture monitoring system with pressure sensors | |
| CN115035696B (zh) | 一种学习过程姿势采集提醒系统 | |
| CN217118428U (zh) | 一种基于多传感器的久坐提醒及健康监测装置 | |
| CN115399597A (zh) | 一种智能座椅的自适应坐姿识别方法 | |
| KR102403404B1 (ko) | 호흡-심전도 신호를 사용한 정신적 스트레스 검출 방법 및 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |