CN117981965A - 一种办公桌椅的控制方法及系统 - Google Patents

一种办公桌椅的控制方法及系统 Download PDF

Info

Publication number
CN117981965A
CN117981965A CN202410407825.9A CN202410407825A CN117981965A CN 117981965 A CN117981965 A CN 117981965A CN 202410407825 A CN202410407825 A CN 202410407825A CN 117981965 A CN117981965 A CN 117981965A
Authority
CN
China
Prior art keywords
sitting posture
sitting
office
height
seat
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
Application number
CN202410407825.9A
Other languages
English (en)
Other versions
CN117981965B (zh
Inventor
张叙俊
李恒
葛海林
梁孝靠
吴立平
吴浩
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.)
Sunon Technology Co Ltd
Original Assignee
Sunon 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 Sunon Technology Co Ltd filed Critical Sunon Technology Co Ltd
Priority to CN202410407825.9A priority Critical patent/CN117981965B/zh
Publication of CN117981965A publication Critical patent/CN117981965A/zh
Application granted granted Critical
Publication of CN117981965B publication Critical patent/CN117981965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47C—CHAIRS; SOFAS; BEDS
    • A47C7/00—Parts, details, or accessories of chairs or stools
    • A47C7/62—Accessories for chairs
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47B—TABLES; DESKS; OFFICE FURNITURE; CABINETS; DRAWERS; GENERAL DETAILS OF FURNITURE
    • A47B9/00—Tables with tops of variable height
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47C—CHAIRS; SOFAS; BEDS
    • A47C7/00—Parts, details, or accessories of chairs or stools
    • A47C7/02—Seat parts
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47B—TABLES; DESKS; OFFICE FURNITURE; CABINETS; DRAWERS; GENERAL DETAILS OF FURNITURE
    • A47B2200/00—General construction of tables or desks
    • A47B2200/008—Tables or desks having means for applying electronic or electric devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chair Legs, Seat Parts, And Backrests (AREA)

Abstract

本发明公开了一种办公桌椅的控制方法及系统，涉及识别控制技术领域，包括步骤S1：通过设置在办公椅上的矩阵式压力传感器来采集座面压力分布数据；S2：对座面压力分布数据进行处理，利用压力分布等高线形成座面压力轮廓图，并输出对应指标数据；S3：将座面压力轮廓图及指标数据输入坐姿类型及座高预测模型中，输出相对应的坐姿类型和座面高度信息，根据坐姿类型和座面高度按照第一判断控制流程调整座面高度；S4：获取办公人员设置的久坐时长提醒间隔，以及对应提醒间隔内不良坐姿持续时长和提醒间隔内的坐姿变动频次。本发明能够解决现有通过手动调整座椅和升降桌难以满足用户对坐姿办公舒适性需求的问题。

Description

一种办公桌椅的控制方法及系统
技术领域
本发明涉及识别控制技术领域，提供了一种办公桌椅的控制方法及系统。
背景技术
目前对于办公桌椅的调节，大多采用的是人工自主调节的方式，办公人员通过主观感受调整桌椅相对位置，给办公人员带来不便。久坐容易导致办公人员疲劳，并引发一系列的健康问题，现有升降桌主要以办公人员固定久坐时长做为提醒其进行站姿办公的依据，通过坐站交替办公来解决久坐问题。实际情况下，一天中随着办公时长的累加，办公人员会越来越容易疲劳，即上午办公30min所产生的疲劳感通常是小于临下班办公30min所产生的疲劳感。同时，不良坐姿下会导致人体臀腿部局部压力过大，不良坐姿下的久坐更容易导致办公人员疲劳，且不良坐姿下的久坐容易引发坐骨神经痛以及腰椎疾病的产生。
发明内容
为了解决背景技术中提到的至少一个技术问题，本发明的目的在于提供一种办公桌椅的控制方法及系统，来解决现有通过手动调整座椅和升降桌难以满足用户对坐姿办公舒适性需求的问题。
为实现上述目的，本发明提供如下技术方案：
一种办公桌椅的控制方法，包括步骤：
S1：通过设置在办公椅上的矩阵式压力传感器来采集座面压力分布数据；
S2：对座面压力分布数据进行处理，利用压力分布等高线形成座面压力轮廓图，并输出对应指标数据；
S3：将座面压力轮廓图及指标数据输入坐姿类型及座高预测模型中，输出相对应的坐姿类型和座面高度信息，根据坐姿类型和座面高度按照第一判断控制流程调整座面高度；
S4：获取办公人员设置的久坐时长提醒间隔，以及对应提醒间隔内不良坐姿持续时长和提醒间隔内的坐姿变动频次，来通过办公疲劳预测模型对办公人员当前坐姿办公疲劳程度进行预测，当坐姿办公疲劳程度大于或等于设定疲劳阈值时，按照第二判断控制流程调整升降桌的高度。
进一步地，所述坐姿类型及座高预测模型的建立包括步骤：
S31：选取办公人员在不同座高下不同坐姿的压力分布数据，根据压力分布数据对应的座高来定义坐姿类型，建立样本集；其中，座高与办公人员腘窝高度差大于或等于20mm时为不良坐姿，座高与办公人员腘窝高度差小于20mm时为舒适坐姿；
S32：根据坐姿类型及座高对采集到的压力分布数据进行聚类分析，提取不同坐姿和座高下的压力分布特征；
S33：建立压力分布特征与坐姿和座高的映射关系，采用机器学习建立训练集得到坐姿类型及座高预测模型。
进一步地，所述第一判断控制流程包括步骤：
S34：在坐姿类型为不良坐姿时，则根据对应不良坐姿类型的座面高度给出调整建议信息；
S35：在预设时间范围内未检测到坐姿调整时，则通过提取座面压力分布特征来识别当前座高是否满足舒适坐姿；若否，则控制座面高度调整至座高与办公人员腘窝高度差小于20mm的位置；若是，则执行步骤S4。
进一步地，所述办公疲劳预测模型的建立包括：
S41：设置久坐时长提醒间隔来提醒办公人员进行坐姿调整；
S42：获取办公人员在预设时间内的坐姿参数，坐姿参数包括每次提醒间隔内的坐姿变动频次和不良坐姿持续时长；将预设时间单次提醒间隔内的平均值作为设定疲劳阈值，建立办公疲劳预测模型；
所述设定疲劳阈值；
其中，表示久坐时长提醒间隔，/>表示提醒间隔内的坐姿变动频次，/>表示提醒间隔内的不良坐姿持续时长，/>表示赋值系数。
进一步地，所述第二判断控制流程包括步骤：
S43：通过计算办公人员的当前疲劳程度，将当前疲劳程度与设定疲劳阈值进行对比，当疲劳程度大于或等于设定疲劳阈值时，控制升降桌升高至站姿高度；
所述疲劳程度
其中，表示当前疲劳程度，/>表示当前久坐时长提醒间隔，/>表示提醒间隔内当前的坐姿变动频次，/>表示提醒间隔内当前的不良坐姿持续时长，/>表示赋值系数。
一种办公桌椅的控制系统，包括：
数据采集模块：用于通过设置在办公椅上的矩阵式压力传感器来采集座面压力分布数据；
数据处理模块：用于对座面压力分布数据进行处理，利用压力分布等高线形成座面压力轮廓图，并输出对应指标数据；
第一控制模块：用于将座面压力轮廓图及指标数据输入坐姿类型及座高预测模型中，输出相对应的坐姿类型和座面高度信息，根据坐姿类型和座面高度按照第一判断控制流程调整座面高度；
第二控制模块：用于获取办公人员设置的久坐时长提醒间隔，以及对应提醒间隔内不良坐姿持续时长和提醒间隔内的坐姿变动频次，来通过办公疲劳预测模型对办公人员当前坐姿办公疲劳程度进行预测，当坐姿办公疲劳程度大于或等于设定疲劳阈值时，按照第二判断控制流程调整升降桌的高度。
进一步地，所述第一控制模块中的坐姿类型及座高预测模型建立包括：
样本集建立单元：用于选取办公人员在不同座高下不同坐姿的压力分布数据，根据压力分布数据对应的座高来定义坐姿类型，建立样本集；其中，座高与办公人员腘窝高度差大于或等于20mm时为不良坐姿，座高与办公人员腘窝高度差小于20mm时为舒适坐姿；
特征提取单元：用于根据坐姿类型及座高对采集到的压力分布数据进行聚类分析，提取不同坐姿和座高下的压力分布特征；
训练单元：用于建立压力分布特征与坐姿和座高的映射关系，采用机器学习建立训练集得到坐姿类型及座高预测模型。
进一步地，所述第一控制模块中的第一判断控制流程包括：
提示单元：用于在坐姿类型为不良坐姿时，则根据对应不良坐姿类型的座面高度给出调整建议信息；
第一控制单元：用于在预设时间范围内未检测到坐姿调整时，则通过提取座面压力分布特征来识别当前座高是否满足舒适坐姿；若否，则控制座面高度调整至座高与办公人员腘窝高度差小于20mm的位置；若是，则由第二控制模块进行控制。
进一步地，所述第二控制模块中的办公疲劳预测模型建立包括：
设置单元：用于设置久坐时长提醒间隔来提醒办公人员进行坐姿调整；
模型建立单元：用于获取办公人员在预设时间内的坐姿参数，坐姿参数包括每次提醒间隔内的坐姿变动频次和不良坐姿持续时长；将预设时间单次提醒间隔内的平均值作为设定疲劳阈值，建立办公疲劳预测模型；
所述设定疲劳阈值；
其中，表示久坐时长提醒间隔，/>表示提醒间隔内的坐姿变动频次，/>表示提醒间隔内的不良坐姿持续时长，/>表示赋值系数。
进一步地，所述第二控制模块中的第二判断控制流程包括：
第二控制单元：用于通过计算办公人员的当前疲劳程度，将当前疲劳程度与设定疲劳阈值进行对比，当疲劳程度大于或等于设定疲劳阈值时，控制升降桌升高至站姿高度；
所述疲劳程度
其中，表示当前疲劳程度，/>表示当前久坐时长提醒间隔，/>表示提醒间隔内当前的坐姿变动频次，/>表示提醒间隔内当前的不良坐姿持续时长，/>表示赋值系数。
与现有技术相比，本发明的有益效果是：
本发明的调整方法中，当系统检测到办公人员开始使用办公椅时，对办公椅座面压力分布图像进行分析，建立坐姿类型及座高预测模型，利用坐姿类型及座高预测模型确定办公人员的坐姿类型及对应座高，若办公人员坐姿为不良坐姿则通过显示屏给出调整建议并引导办公人员调整坐姿。根据单位时间内使用人员调整频次、连续久坐时长以及不良坐姿时长建立办公疲劳模型，当办公人员疲劳等级大于设定阈值时，升降桌自动调整为站姿办公模式，引导办公人员进行办公模式切换，依据座面压力分布情况对座面高度进行调整，从而实现准确识别和评估坐姿，通过对办公椅和升降桌的高度作出相应调整以满足用户对坐姿办公舒适性的需求。
附图说明
图1为本发明实施例一提供的办公桌椅的控制方法流程图；
图2为本发明实施例一提供的办公桌椅的控制方法中步骤S3的流程图；
图3为本发明实施例一提供的办公桌椅的控制方法中步骤S4的流程图；
图4为本发明实施例一提供的办公桌椅的控制方法中的办公桌椅控制控制运行流程图；
图5为本发明实施例二提供的办公桌椅的控制系统结构示意图一；
图6为本发明实施例二提供的办公桌椅的控制系统结构示意图二。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参阅图1，本实施例提供一种办公桌椅的控制方法，包括步骤：
S1：通过设置在办公椅上的矩阵式压力传感器来采集座面压力分布数据；
S2：对座面压力分布数据进行处理，利用压力分布等高线形成座面压力轮廓图，并输出对应指标数据；
S3：将座面压力轮廓图及指标数据输入坐姿类型及座高预测模型中，输出相对应的坐姿类型和座面高度信息，根据坐姿类型和座面高度按照第一判断控制流程调整座面高度；
S4：获取办公人员设置的久坐时长提醒间隔，以及对应提醒间隔内不良坐姿持续时长和提醒间隔内的坐姿变动频次，来通过办公疲劳预测模型对办公人员当前坐姿办公疲劳程度进行预测，当坐姿办公疲劳程度大于或等于设定疲劳阈值时，按照第二判断控制流程调整升降桌的高度。
具体的，座椅上设置有压力传感装置，用于收集座面压力分布情况，形成座面压力分布图像，步骤S1之前还包括：将压力分布图像进行对比分析，来判断座椅上方为办公人员。其中，指标数据包括坐骨区域压力占比、臀部区域压力占比以及腿部压力区域占比。当系统检测到办公人员开始使用办公椅时，对办公椅座面压力分布图像进行分析，利用坐姿类型及座高预测模型来判断办公人员坐姿，若办公人员坐姿为不良坐姿则通过显示屏引导其调整至舒适坐姿，之后采集压力分布图像，判断坐骨结节区域、腿部区域压力占比是否在合理阈值范围内，并通过调整座椅高度使其达到合理阈值分布，升降桌高度进行相应调整以保持坐姿办公的舒适性。
具体的，选取不同身高、体重、年龄的男女办公人员多名，采集其在不同座高下各种坐姿的压力数据。座高同人体膝腘窝高度差在20mm和-20mm内时，人体坐姿较为舒适，座高较低时臀部压力占比太高，易造成臀部疲劳，座高较高时，大腿部压力占比升高，易产生压痛感。因此，将座高同人体膝腘窝高度差在20mm和-20mm内作为舒适座高范围。在数据采集时，以测试者膝腘窝高度为基准，以10mm为座高差，可以设置-30mm至30mm之间的多个座高等级，采集其在相应高度等级下舒适坐姿和不良坐姿的压力数据。其中，不良坐姿包括但不限于跷二郎腿、交叉腿、半边坐、前倾坐等类型。
具体的，通过办公椅上的矩阵式压力传感器，能够实时采集办公人员就座时座面上的压力分布数据。这些数据反映了办公人员的坐姿和体重分布。
具体的，采集到的座面压力分布数据会经过处理，并利用压力分布的等高线来形成座面压力轮廓图。这个轮廓图能够直观地显示出办公人员坐姿时身体各部位对座面的压力分布情况。同时，输出相关的指标数据，包括坐骨区域压力占比、臀部区域压力占比以及腿部压力区域占比等。
具体的，处理后的座面压力轮廓图及指标数据会被输入到一个预先训练好的坐姿类型及座高预测模型中。这个模型能够根据输入的数据预测出办公人员的坐姿类型，如正坐、前倾、后仰，以及当前座面的高度是否适合。根据预测结果，按照第一判断控制流程自动调整座面的高度，以确保办公人员的坐姿更加舒适和健康。
具体的，获取办公人员设置的久坐时长提醒间隔。在这个提醒间隔内，系统会记录办公人员的不良坐姿持续时长和坐姿变动频次。基于这些数据，系统会预测办公人员当前的坐姿办公疲劳程度。当这个疲劳程度达到或超过预设的疲劳阈值时，按照第二判断控制流程自动调整升降桌的高度。通常，升降桌会升高至适合站立办公的高度，以提醒办公人员起身活动，减轻久坐带来的疲劳。经上述方法的控制办公人员可以获得更加个性化和智能化的办公体验，系统能够根据实际情况调整座面和升降桌的高度，帮助办公人员保持正确的坐姿和减轻久坐疲劳，从而提高工作效率和身体健康水平。
参阅图2，其中，坐姿类型及座高预测模型的建立包括步骤：
S31：选取办公人员在不同座高下不同坐姿的压力分布数据，根据压力分布数据对应的座高来定义坐姿类型，建立样本集；其中，座高与办公人员腘窝高度差大于或等于20mm时为不良坐姿，座高与办公人员腘窝高度差小于20mm时为舒适坐姿；
S32：根据坐姿类型及座高对采集到的压力分布数据进行聚类分析，提取不同坐姿和座高下的压力分布特征；
S33：建立压力分布特征与坐姿和座高的映射关系，采用机器学习建立训练集得到坐姿类型及座高预测模型。
其中，第一判断控制流程包括步骤：
S34：在坐姿类型为不良坐姿时，则根据对应不良坐姿类型的座面高度给出调整建议信息；
S35：在预设时间范围内未检测到坐姿调整时，则通过提取座面压力分布特征来识别当前座高是否满足舒适坐姿；若否，则控制座面高度调整至座高与办公人员腘窝高度差小于20mm的位置；若是，则执行步骤S4。
具体的，在预设的时间范围内，如果没有检测到办公人员根据建议调整坐姿，会自动提取当前的座面压力分布特征。使用这些特征来识别当前的座高是否满足舒适坐姿的要求。如果不满足，即座高与腘窝高度差大于或等于20mm，则会自动调整座面高度，使其与办公人员的腘窝高度差小于20mm。如果当前座高已经满足舒适坐姿的要求，则会继续执行后续步骤，进入办公疲劳预测和处理的流程。通过这个模型和控制流程，能够智能地预测和调整办公人员的坐姿和座面高度，以提高他们的舒适度并减少因不良坐姿带来的健康风险。
参阅图3，办公疲劳预测模型的建立包括：
S41：设置久坐时长提醒间隔来提醒办公人员进行坐姿调整；
S42：获取办公人员在预设时间内的坐姿参数，坐姿参数包括每次提醒间隔内的坐姿变动频次和不良坐姿持续时长；将预设时间单次提醒间隔内的平均值作为设定疲劳阈值，建立办公疲劳预测模型；
设定疲劳阈值；
其中，表示久坐时长提醒间隔，/>表示提醒间隔内的坐姿变动频次，/>表示提醒间隔内的不良坐姿持续时长，/>表示赋值系数。
其中，第二判断控制流程包括步骤：
S43：通过计算办公人员的当前疲劳程度，将当前疲劳程度与设定疲劳阈值进行对比，当疲劳程度大于或等于设定疲劳阈值时，控制升降桌升高至站姿高度；
疲劳程度
其中，表示当前疲劳程度，/>表示当前久坐时长提醒间隔，/>表示提醒间隔内当前的坐姿变动频次，/>表示提醒间隔内当前的不良坐姿持续时长，/>表示赋值系数。
具体的，久坐提醒设置：允许办公人员设置一个久坐时长提醒间隔，这个间隔表示在连续坐着办公多久之后，会发出提醒，建议办公人员调整坐姿或进行轻微的身体活动。在每个久坐提醒间隔内，记录办公人员的坐姿参数。这些参数包括坐姿变动频次，即办公人员调整坐姿的次数和不良坐姿持续时长，即办公人员保持不良坐姿的时间长度。
具体的，设定疲劳阈值：将计算在预设时间内，每次提醒间隔内坐姿参数的平均值。这个平均值将作为设定疲劳阈值，用于评估办公人员的坐姿办公疲劳程度。办公疲劳预测与调整：持续监测办公人员的当前疲劳程度。可以通过分析坐姿参数、久坐时长来实现。当计算出的当前疲劳程度达到或超过设定疲劳阈值时，系统会触发第二判断控制流程，调整升降桌的高度至站姿高度，以鼓励办公人员起身活动，从而减轻疲劳。
具体的，模型建立，办公疲劳预测模型：基于收集到的坐姿参数数据，如坐姿变动频次、不良坐姿持续时长等，结合可能的指标数据，建立一个用于预测办公人员疲劳程度的模型。第二判断控制流程：计算办公人员的当前疲劳程度，将这个值与设定疲劳阈值进行比较。如果当前疲劳程度大于或等于设定阈值，控制升降桌升高至站姿高度，以提醒办公人员起身活动，从而减轻疲劳。这个流程的目的是通过自动调整办公环境来促进办公人员的健康和舒适度，减少长时间久坐带来的负面影响。
参阅图4，办公桌椅控制系统的运行流程为：检测员工是否在使用工位进行办公，采集座面压力情况，形成压力轮廓图，同人体臀部压力轮廓图进行对比，相同时则为员工正在使用，不同时则判断为物品放置在座面。当判断为物品时，则不进行后续的检查及桌椅的调整。
具体的，当判断是员工使用时，则通过提取座面压力分布特征识别员工坐姿是否为不良坐姿。若为不良坐姿，则通过显示屏显示其不良坐姿类型并给出坐姿调整意见。员工根据调整意见对坐姿进行调整。在1min内未检测到对坐姿进行调整，则通过提取座面压力分布特征识别当前座高是否在舒适座高范围内。若不是不良坐姿，则直接通过提取座面压力分布特征识别当前座高是否在舒适座高范围内。
具体的，当座高不在舒适坐姿对应的座高范围内时，这根据座面压力分布情况，即坐骨结节区域压力占比、臀部区域压力占比以及腿部区域压力占比是否在舒适阈值内判断当前座面高度所处的状态，是过高还是过低。根据座高舒适性预测结果多高进行相应调整，直至座面高度达到舒适范围内。当座高在舒适坐姿对应的座高范围内时，则根据坐姿办公疲劳预测模型对员工办公疲劳程度进行实时监测，并判断员工实时办公疲劳程度是否超过设定阈值。若否，则不调整升降桌高度；若是，则控制升降桌自动调整到站姿办公高度，引导员工由坐姿办公切换到站姿办公模式。
具体的，依据座面压力分布情况对座面高度自动调整，提高员工坐姿办公舒适性。强化坐站交替办公切换同坐姿时长、坐姿变动频次、不良坐姿时长的相关性，更加符合人体疲劳发展的客观规律。
本方法中，当系统检测到办公人员开始使用办公椅时，对办公椅座面压力分布图像进行分析，建立坐姿类型及座高预测模型，利用坐姿类型及座高预测模型确定办公人员的坐姿类型及对应座高，若办公人员坐姿为不良坐姿则通过显示屏给出调整建议并引导办公人员调整坐姿。根据单位时间内使用人员调整频次、连续久坐时长以及不良坐姿时长建立办公疲劳模型，当办公人员疲劳等级大于设定阈值时，升降桌自动调整为站姿办公模式，引导办公人员进行办公模式切换，依据座面压力分布情况对座面高度进行调整，从而实现准确识别和评估坐姿，通过对办公椅和升降桌的高度作出相应调整以满足用户对坐姿办公舒适性的需求。
实施例二
请参阅图5，本实施例提供一种办公桌椅的控制系统，包括：
数据采集模块：用于通过设置在办公椅上的矩阵式压力传感器来采集座面压力分布数据；
数据处理模块：用于对座面压力分布数据进行处理，利用压力分布等高线形成座面压力轮廓图，并输出对应指标数据；
第一控制模块：用于将座面压力轮廓图及指标数据输入坐姿类型及座高预测模型中，输出相对应的坐姿类型和座面高度信息，根据坐姿类型和座面高度按照第一判断控制流程调整座面高度；
第二控制模块：用于获取办公人员设置的久坐时长提醒间隔，以及对应提醒间隔内不良坐姿持续时长和提醒间隔内的坐姿变动频次，来通过办公疲劳预测模型对办公人员当前坐姿办公疲劳程度进行预测，当坐姿办公疲劳程度大于或等于设定疲劳阈值时，按照第二判断控制流程调整升降桌的高度。
参阅图6，其中，第一控制模块中的坐姿类型及座高预测模型建立包括：
样本集建立单元：用于选取办公人员在不同座高下不同坐姿的压力分布数据，根据压力分布数据对应的座高来定义坐姿类型，建立样本集；其中，座高与办公人员腘窝高度差大于或等于20mm时为不良坐姿，座高与办公人员腘窝高度差小于20mm时为舒适坐姿；
特征提取单元：用于根据坐姿类型及座高对采集到的压力分布数据进行聚类分析，提取不同坐姿和座高下的压力分布特征；
训练单元：用于建立压力分布特征与坐姿和座高的映射关系，采用机器学习建立训练集得到坐姿类型及座高预测模型。
其中，第一控制模块中的第一判断控制流程包括：
提示单元：用于在坐姿类型为不良坐姿时，则根据对应不良坐姿类型的座面高度给出调整建议信息；
第一控制单元：用于在预设时间范围内未检测到坐姿调整时，则通过提取座面压力分布特征来识别当前座高是否满足舒适坐姿；若否，则控制座面高度调整至座高与办公人员腘窝高度差小于20mm的位置；若是，则由第二控制模块进行控制。
其中，第二控制模块中的办公疲劳预测模型建立包括：
设置单元：用于设置久坐时长提醒间隔来提醒办公人员进行坐姿调整；
模型建立单元：用于获取办公人员在预设时间内的坐姿参数，坐姿参数包括每次提醒间隔内的坐姿变动频次和不良坐姿持续时长；将预设时间单次提醒间隔内的平均值作为设定疲劳阈值，建立办公疲劳预测模型；
设定疲劳阈值；
其中，表示久坐时长提醒间隔，/>表示提醒间隔内的坐姿变动频次，/>表示提醒间隔内的不良坐姿持续时长，/>表示赋值系数。
其中，第二控制模块中的第二判断控制流程包括：
第二控制单元：用于通过计算办公人员的当前疲劳程度，将当前疲劳程度与设定疲劳阈值进行对比，当疲劳程度大于或等于设定疲劳阈值时，控制升降桌升高至站姿高度；
疲劳程度
其中，表示当前疲劳程度，/>表示当前久坐时长提醒间隔，/>表示提醒间隔内当前的坐姿变动频次，/>表示提醒间隔内当前的不良坐姿持续时长，/>表示赋值系数。
本系统中，当系统检测到办公人员开始使用办公椅时，对办公椅座面压力分布图像进行分析，建立坐姿类型及座高预测模型，利用坐姿类型及座高预测模型确定办公人员的坐姿类型及对应座高，若办公人员坐姿为不良坐姿则通过显示屏给出调整建议并引导办公人员调整坐姿。根据单位时间内使用人员调整频次、连续久坐时长以及不良坐姿时长建立办公疲劳模型，当办公人员疲劳等级大于设定阈值时，升降桌自动调整为站姿办公模式，引导办公人员进行办公模式切换，依据座面压力分布情况对座面高度进行调整，从而实现准确识别和评估坐姿，通过对办公椅和升降桌的高度作出相应调整以满足用户对坐姿办公舒适性的需求。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (10)

1.一种办公桌椅的控制方法，其特征在于，包括步骤：
S1：通过设置在办公椅上的矩阵式压力传感器来采集座面压力分布数据；
S2：对座面压力分布数据进行处理，利用压力分布等高线形成座面压力轮廓图，并输出对应指标数据；
S3：将座面压力轮廓图及指标数据输入坐姿类型及座高预测模型中，输出相对应的坐姿类型和座面高度信息，根据坐姿类型和座面高度按照第一判断控制流程调整座面高度；
S4：获取办公人员设置的久坐时长提醒间隔，以及对应提醒间隔内不良坐姿持续时长和提醒间隔内的坐姿变动频次，来通过办公疲劳预测模型对办公人员当前坐姿办公疲劳程度进行预测，当坐姿办公疲劳程度大于或等于设定疲劳阈值时，按照第二判断控制流程调整升降桌的高度。
2.根据权利要求1所述的办公桌椅的控制方法，其特征在于，所述坐姿类型及座高预测模型的建立包括步骤：
S31：选取办公人员在不同座高下不同坐姿的压力分布数据，根据压力分布数据对应的座高来定义坐姿类型，建立样本集；其中，座高与办公人员腘窝高度差大于或等于20mm时为不良坐姿，座高与办公人员腘窝高度差小于20mm时为舒适坐姿；
S32：根据坐姿类型及座高对采集到的压力分布数据进行聚类分析，提取不同坐姿和座高下的压力分布特征；
S33：建立压力分布特征与坐姿和座高的映射关系，采用机器学习建立训练集得到坐姿类型及座高预测模型。
3.根据权利要求2所述的办公桌椅的控制方法，其特征在于，所述第一判断控制流程包括步骤：
S34：在坐姿类型为不良坐姿时，则根据对应不良坐姿类型的座面高度给出调整建议信息；
S35：在预设时间范围内未检测到坐姿调整时，则通过提取座面压力分布特征来识别当前座高是否满足舒适坐姿；若否，则控制座面高度调整至座高与办公人员腘窝高度差小于20mm的位置；若是，则执行步骤S4。
4.根据权利要求2所述的办公桌椅的控制方法，其特征在于，所述办公疲劳预测模型的建立包括：
S41：设置久坐时长提醒间隔来提醒办公人员进行坐姿调整；
S42：获取办公人员在预设时间内的坐姿参数，坐姿参数包括每次提醒间隔内的坐姿变动频次和不良坐姿持续时长；将预设时间单次提醒间隔内的平均值作为设定疲劳阈值，建立办公疲劳预测模型；
所述设定疲劳阈值；
其中，表示久坐时长提醒间隔，/>表示提醒间隔内的坐姿变动频次，/>表示提醒间隔内的不良坐姿持续时长，/>表示赋值系数。
5.根据权利要求4所述的办公桌椅的控制方法，其特征在于，所述第二判断控制流程包括步骤：
S43：通过计算办公人员的当前疲劳程度，将当前疲劳程度与设定疲劳阈值进行对比，当疲劳程度大于或等于设定疲劳阈值时，控制升降桌升高至站姿高度；
所述疲劳程度
其中，表示当前疲劳程度，/>表示当前久坐时长提醒间隔，/>表示提醒间隔内当前的坐姿变动频次，/>表示提醒间隔内当前的不良坐姿持续时长，/>表示赋值系数。
6.一种办公桌椅的控制系统，其特征在于，包括：
数据采集模块：用于通过设置在办公椅上的矩阵式压力传感器来采集座面压力分布数据；
数据处理模块：用于对座面压力分布数据进行处理，利用压力分布等高线形成座面压力轮廓图，并输出对应指标数据；
第一控制模块：用于将座面压力轮廓图及指标数据输入坐姿类型及座高预测模型中，输出相对应的坐姿类型和座面高度信息，根据坐姿类型和座面高度按照第一判断控制流程调整座面高度；
第二控制模块：用于获取办公人员设置的久坐时长提醒间隔，以及对应提醒间隔内不良坐姿持续时长和提醒间隔内的坐姿变动频次，来通过办公疲劳预测模型对办公人员当前坐姿办公疲劳程度进行预测，当坐姿办公疲劳程度大于或等于设定疲劳阈值时，按照第二判断控制流程调整升降桌的高度。
7.根据权利要求6所述的办公桌椅的控制系统，其特征在于，所述第一控制模块中的坐姿类型及座高预测模型建立包括：
样本集建立单元：用于选取办公人员在不同座高下不同坐姿的压力分布数据，根据压力分布数据对应的座高来定义坐姿类型，建立样本集；其中，座高与办公人员腘窝高度差大于或等于20mm时为不良坐姿，座高与办公人员腘窝高度差小于20mm时为舒适坐姿；
特征提取单元：用于根据坐姿类型及座高对采集到的压力分布数据进行聚类分析，提取不同坐姿和座高下的压力分布特征；
训练单元：用于建立压力分布特征与坐姿和座高的映射关系，采用机器学习建立训练集得到坐姿类型及座高预测模型。
8.根据权利要求7所述的办公桌椅的控制系统，其特征在于，所述第一控制模块中的第一判断控制流程包括：
提示单元：用于在坐姿类型为不良坐姿时，则根据对应不良坐姿类型的座面高度给出调整建议信息；
第一控制单元：用于在预设时间范围内未检测到坐姿调整时，则通过提取座面压力分布特征来识别当前座高是否满足舒适坐姿；若否，则控制座面高度调整至座高与办公人员腘窝高度差小于20mm的位置；若是，则由第二控制模块进行控制。
9.根据权利要求7所述的办公桌椅的控制系统，其特征在于，所述第二控制模块中的办公疲劳预测模型建立包括：
设置单元：用于设置久坐时长提醒间隔来提醒办公人员进行坐姿调整；
模型建立单元：用于获取办公人员在预设时间内的坐姿参数，坐姿参数包括每次提醒间隔内的坐姿变动频次和不良坐姿持续时长；将预设时间单次提醒间隔内的平均值作为设定疲劳阈值，建立办公疲劳预测模型；
所述设定疲劳阈值；
其中，表示久坐时长提醒间隔，/>表示提醒间隔内的坐姿变动频次，/>表示提醒间隔内的不良坐姿持续时长，/>表示赋值系数。
10.根据权利要求9所述的办公桌椅的控制系统，其特征在于，所述第二控制模块中的第二判断控制流程包括：
第二控制单元：用于通过计算办公人员的当前疲劳程度，将当前疲劳程度与设定疲劳阈值进行对比，当疲劳程度大于或等于设定疲劳阈值时，控制升降桌升高至站姿高度；
所述疲劳程度
其中，表示当前疲劳程度，/>表示当前久坐时长提醒间隔，/>表示提醒间隔内当前的坐姿变动频次，/>表示提醒间隔内当前的不良坐姿持续时长，/>表示赋值系数。
CN202410407825.9A 2024-04-07 2024-04-07 一种办公桌椅的控制方法及系统 Active CN117981965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410407825.9A CN117981965B (zh) 2024-04-07 2024-04-07 一种办公桌椅的控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410407825.9A CN117981965B (zh) 2024-04-07 2024-04-07 一种办公桌椅的控制方法及系统

Publications (2)

Publication Number Publication Date
CN117981965A true CN117981965A (zh) 2024-05-07
CN117981965B CN117981965B (zh) 2024-06-11

Family

ID=90901470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410407825.9A Active CN117981965B (zh) 2024-04-07 2024-04-07 一种办公桌椅的控制方法及系统

Country Status (1)

Country Link
CN (1) CN117981965B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170196371A1 (en) * 2016-01-10 2017-07-13 Henry C. Liu Chair providing lifting force to the user
CN108552732A (zh) * 2018-03-26 2018-09-21 广州三晶电气股份有限公司 一种基于人体工程学的升降桌控制方法及系统
CN109497771A (zh) * 2018-10-29 2019-03-22 安徽工程大学 一种智能座椅控制系统及方法
KR20200030434A (ko) * 2018-09-12 2020-03-20 왕옥란 사물인터넷 연동 방석 시스템
CN111109850A (zh) * 2019-11-12 2020-05-08 崔兵 一种智能健康可升降办公桌椅系统
CN112509667A (zh) * 2020-12-02 2021-03-16 深圳瑞娅互娱科技有限公司 健身控制方法及相关装置
CN112998453A (zh) * 2021-03-23 2021-06-22 江苏美勒家具科技有限公司 一种能够自适应不同用户使用的智能办公桌椅系统
CN115153230A (zh) * 2022-08-03 2022-10-11 大康控股集团有限公司 一种智能健康座椅及其坐姿识别方法
US20220340079A1 (en) * 2021-04-26 2022-10-27 Tianjin Chengjian University Fatigue driving monitoring, reminding and early-warning method and system based on computer vision
WO2023280193A1 (zh) * 2021-07-06 2023-01-12 永艺家具股份有限公司 一种具有智能调整功能的升降桌、升降桌智能调整方法
US20230056977A1 (en) * 2020-01-31 2023-02-23 Karlos Ishac Posture detection system and posture detection method
CN117331334A (zh) * 2023-09-20 2024-01-02 圣奥科技股份有限公司 升降桌高度自动调整方法
CN117481461A (zh) * 2023-11-09 2024-02-02 绍兴康拓传动科技有限公司 一种可识别坐姿的智能儿童升降桌控制系统及方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170196371A1 (en) * 2016-01-10 2017-07-13 Henry C. Liu Chair providing lifting force to the user
CN108552732A (zh) * 2018-03-26 2018-09-21 广州三晶电气股份有限公司 一种基于人体工程学的升降桌控制方法及系统
KR20200030434A (ko) * 2018-09-12 2020-03-20 왕옥란 사물인터넷 연동 방석 시스템
CN109497771A (zh) * 2018-10-29 2019-03-22 安徽工程大学 一种智能座椅控制系统及方法
CN111109850A (zh) * 2019-11-12 2020-05-08 崔兵 一种智能健康可升降办公桌椅系统
US20230056977A1 (en) * 2020-01-31 2023-02-23 Karlos Ishac Posture detection system and posture detection method
CN112509667A (zh) * 2020-12-02 2021-03-16 深圳瑞娅互娱科技有限公司 健身控制方法及相关装置
CN112998453A (zh) * 2021-03-23 2021-06-22 江苏美勒家具科技有限公司 一种能够自适应不同用户使用的智能办公桌椅系统
US20220340079A1 (en) * 2021-04-26 2022-10-27 Tianjin Chengjian University Fatigue driving monitoring, reminding and early-warning method and system based on computer vision
WO2023280193A1 (zh) * 2021-07-06 2023-01-12 永艺家具股份有限公司 一种具有智能调整功能的升降桌、升降桌智能调整方法
CN115153230A (zh) * 2022-08-03 2022-10-11 大康控股集团有限公司 一种智能健康座椅及其坐姿识别方法
CN117331334A (zh) * 2023-09-20 2024-01-02 圣奥科技股份有限公司 升降桌高度自动调整方法
CN117481461A (zh) * 2023-11-09 2024-02-02 绍兴康拓传动科技有限公司 一种可识别坐姿的智能儿童升降桌控制系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张俊;孔庆华;: "流水线作业姿势的疲劳分析", 现代制造工程, no. 10, 18 October 2009 (2009-10-18) *
范文;余隋怀;王文军;徐剑波;: "狭小工作舱上肢作业姿势疲劳特性评估", 机械科学与技术, no. 05, 15 May 2015 (2015-05-15) *

Also Published As

Publication number Publication date
CN117981965B (zh) 2024-06-11

Similar Documents

Publication Publication Date Title
JP3903206B2 (ja) 身体圧分布の基本特性測定・解析システム
EP3374225B1 (de) Vorrichtung und verfahren zum steuern einer anzeigeeinrichtung in einem kraftfahrzeug
Vergara et al. Relationship between comfort and back posture and mobility in sitting-posture
WO2022042077A1 (zh) 按摩椅控制系统
CN105832524B (zh) 电动移位与升降一体化浴椅控制系统和方法
Ng et al. Evaluation of an intelligent seat system
CN107945467A (zh) 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
Gyi et al. Representing older and disabled people in virtual user trials: data collection methods
CN107592794A (zh) 一种坐姿矫正座椅、系统及方法
CN109008449B (zh) 一种利于儿童身形发育的软硬可调床垫及其调节方法
CN108937330B (zh) 一种实现倾斜度调节的软硬可调床体及其智能控制方法
WO2005074754A1 (en) Posture sensing
CN114359975B (zh) 智能垫体的姿势识别方法、装置及系统
CN106923979B (zh) 一种结构可调轮椅的智能调控装置及方法
CN117981965B (zh) 一种办公桌椅的控制方法及系统
CN207837242U (zh) 智能数字睡眠检测床垫
CN206938681U (zh) 一种汽车座椅靠背舒适度控制系统
WO2021243643A1 (zh) 一种可矫正坐姿的办公椅
CN114680511A (zh) 一种智能气囊床垫控制方法、系统、存储介质及智能终端
CN111134687B (zh) 坐姿风险评估方法、装置及设备
CN111407110A (zh) 一种座椅调整方法、装置、电子设备和介质
CN117694682A (zh) 电竞椅的自动调节方法、装置、设备及存储介质
CN114937341B (zh) 一种基于多维力的轮椅跌倒风险监测方法及系统
CN113317937A (zh) 基于物联网的老人居家辅助智能轮椅及控制方法
CN111008556A (zh) 智能组合桌椅设备的控制方法

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