WO2023104206A1 - 一种基于臀部压力的柔性智能坐姿监测系统 - Google Patents

一种基于臀部压力的柔性智能坐姿监测系统 Download PDF

Info

Publication number
WO2023104206A1
WO2023104206A1 PCT/CN2022/138180 CN2022138180W WO2023104206A1 WO 2023104206 A1 WO2023104206 A1 WO 2023104206A1 CN 2022138180 W CN2022138180 W CN 2022138180W WO 2023104206 A1 WO2023104206 A1 WO 2023104206A1
Authority
WO
WIPO (PCT)
Prior art keywords
pressure
sitting posture
sitting
data
data processing
Prior art date
Application number
PCT/CN2022/138180
Other languages
English (en)
French (fr)
Inventor
王博
尚鹏
刘程祥
杨德龙
罗朝晖
张笑千
苏栋楠
吴继鹏
曾梓琳
Original Assignee
深圳先进技术研究院
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 深圳先进技术研究院 filed Critical 深圳先进技术研究院
Publication of WO2023104206A1 publication Critical patent/WO2023104206A1/zh

Links

Classifications

    • 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
    • G01L1/18—Measuring force or stress, in general using properties of piezo-resistive materials, i.e. materials of which the ohmic resistance varies according to changes in magnitude or direction of force applied to the material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种基于臀部压力的柔性智能坐姿监测系统，包括压阻薄膜传感器、接口转接板、数据采集板和数据处理设备，其中，压阻薄膜传感器包含多个力敏感点单元，用于感测用户的坐姿压力；数据采集板经由接口转接板采集压阻薄膜传感器感测到的压力分布数据，并传输至数据处理设备；数据处理设备对接收的压力分布数据进行处理，并利用经训练的深度学习模型识别用户的坐姿类别。具有坐姿识别准确率高、体积小、便携性强、使用方便、成本低、不受地域环境限制的优势。

Description

一种基于臀部压力的柔性智能坐姿监测系统 技术领域
本发明涉及医学影像技术领域，更具体地，涉及一种基于臀部压力的柔性智能坐姿监测系统。
 背景技术
长期错误的坐姿会对眼部、颈椎和腰椎造成非常大的伤害，这些损害对人体而言是不可逆的。例如，坐姿不正易引发近视，尤其是青少年和文字工作者长期伏案，存在歪头、弓背、或趴，或将头歪在胳膊上看书写字的情况，并且长时间如此会导致看书写字距离过近，增加用眼疲劳。同时，因为姿势错误，使得左右眼距离书本距离不同，导致双眼眼压不同，易造成双眼用眼状态有区别，从而导致双眼读书不对等，引发屈光参差。除了对眼部的损害，错误的坐姿还会引起颈部和腰背部各种疼痛问题，力学上间接改变了膝关节受力，提升膝关节受伤的风险，另外膈肌下降还会导致呼吸不良，使得心脏承担过度供氧的责任，造成心跳过快、焦虑、高血压等问题。
随着科技发展，坐姿纠正从传统的坐姿矫正背带，过渡到人体功能学座椅、课桌，甚至基于视觉技术的坐姿纠正方法。虽然这些纠正技术能够起到一定的作用，但使用者长期固定一个姿势，可能会使肌肉萎缩或软组织应力集中，导致其他不必要的损害。因此，需要实时监测人体坐姿的装置，以在坐姿持续过程中对不良坐姿进行纠正。
目前，基于视觉的坐姿监测通过采集用户坐姿图片，进行视觉分析，判断用户当前坐姿，但由于基于视觉的坐姿纠正需要采集用户坐姿图片，这些图片包含用户人脸和周围环境信息，可能存在侵犯用户隐私的情况。此外，基于视觉的坐姿识别，需对图像矩阵进行实时计算才能识别人体姿态。一方面，图片矩阵数据量非常大，如果想获得较高准确率，对人体姿态进行有效纠正，需要模型复杂、参数多、计算量大、硬件要求高；如果模型较为简单，虽然计算量小，但对姿态纠正效果差，或无法达到实时纠正的效果。另一方面，视觉传感器易受外界环境影响，如光照、拍摄角度等，从而影响识别效果。
在现有技术中，尽管存在使用压力传感器进行坐姿识别的技术方案，但采用的是多个单点的压力传感器组合排布形式，收集的压力信息比较少，而且还需将传感器固定到椅子上，才能采集到对应位置的压力信息，降低了系统的便捷性，极大地限制了基于压力传感器的坐姿监测系统大规模使用。
综上，现有的坐姿矫正方法会对人体造成一定伤害，尤其是硬纠正，无法起到经过纠正后养成习惯的效果。而基于视觉的坐姿检测系统可能侵犯隐私，且易受干扰，需要硬件要求高。基于压力的传感器单点检测范围小，需固定，便携性差。
 技术问题
本发明的目的是克服上述现有技术的缺陷，提供一种基于臀部压力的柔性智能坐姿监测系统。
 技术解决方案
根据本发明的第一方面，提供一种基于臀部压力的柔性智能坐姿监测系统。该系统包括：压阻薄膜传感器、接口转接板、数据采集板和数据处理设备，其中，压阻薄膜传感器包含多个力敏感点单元，用于感测用户的坐姿压力；数据采集板经由接口转接板采集压阻薄膜传感器感测到的压力分布数据，并传输至数据处理设备；数据处理设备对接收的压力分布数据进行处理，并利用经训练的深度学习模型识别用户的坐姿类别。
根据本发明的第二方面，提供一种基于臀部压力的柔性智能坐姿监测方法。该方法包括以下步骤：
采集压阻薄膜传感器感测到的压力分布数据，其中压阻薄膜传感器包含多个力敏感点单元，用于感测用户的坐姿压力；
对所述压力分布数据进行处理，并利用经训练的深度学习模型识别用户的坐姿类别。
 有益效果
与现有技术相比，本发明的优点在于，使用阵列式压阻薄膜采集坐姿压力，并通过图像的方式展现给用户，使其能够直观感受当前坐姿的压力分布，进而根据当前坐姿压力分布，判断坐姿状态，并通过智能判别算法，寻找当前坐姿存在问题的地方，并在用户进行调整后进行动态判别，直至坐姿符合标准坐姿。此外，在用户使用过程中，基于压阻薄膜的坐姿监测能够采集高精度的压力信息，且不易受外界干扰，便携性高，不侵犯用户隐私。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
 附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是根据本发明一个实施例的基于臀部压力的柔性智能坐姿监测系统的示意图；
图2是根据本发明一个实施例的单张压力薄膜示意图；
图3是根据本发明一个实施例的硬件结构示意图；
图4是根据本发明一个实施例的压力分布数据可视化图；
图5是根据本发明一个实施例的数据处理流程图；
图6是根据本发明一个实施例的人工神经网络结构图。
 本发明的实施方式
本发明设计一种硬件装置用于采集坐姿压力信息，使用大量坐姿压力数据，通过构建深度学习模型进行训练，得到能够判断当前坐姿类别的有效模型，用于实时监测用户坐姿，提醒用户坐姿是否正确或提供纠正建议，有利于用户养成良好的坐姿习惯，防止因坐姿不正确导致的人体损害。
参见图1所示，所提供的基于臀部压力的柔性智能坐姿监测系统包括压阻薄膜传感器、数据采集板（也称为信号采集板或数据采集设备）和数据处理设备，其中压阻薄膜传感器用于感测多个位点的压力变化，数据采集板经由接口转接板采集感测到的压力数据并进行处理，进而将处理后的压力数据传输到数据处理设备，例如通过wifi无线模块传输至树莓派（RaspberryPi）系统。需要说明的是，数据采集板和树莓派之间的传输方式也可以用串口或者蓝牙等方式代替。数据处理端的树莓派可用个人计算机或者单片机等代替。
在一个实施例中，压阻薄膜传感器可采用高精度阵列式柔性石墨烯压阻薄膜。例如，压阻薄膜（RX-M3232L）具有1024个力敏感点，如图2所示。首先，对于压阻薄膜的压力采集区域400mm×400mm，通过选择行中的通道和列中的通道定位每个力敏感点；然后，利用数模转换器将测量的电压转换为数值类型数据；最后，数据采集板中的wifi无线模块将数据传输到树莓派。相对于视觉传感器，采用压阻薄膜传感器不易受光照、拍摄角度等外界环境的影响，从而提升了压力数据采集的普适性。
为了准确感测坐姿压力，在一个实施例中，将压阻薄膜设置于坐垫中间，数据采集板设置于坐垫器件模块盒，如图3所示。这种设计非常轻巧便捷，将压阻薄膜直接内置于用户坐垫，能高精度采集用户坐姿数据。
数据处理设备用于根据接收到的压力数据分布识别当前坐姿状态，提醒用户当前存在坐姿问题，并动态判断当前坐姿，直至用户坐姿正常。为了获得更直观的压力的数据，开发了一个数据可视化软件，该软件可通过串口从信号采集板接收数据，并可视化坐姿压力。例如，将压阻薄膜上压力分布数据可视化图4所示，其中一个小正方形表示压阻薄膜中的力敏感点单元，不同级别的压力值用不同的颜色表示，可使用矩阵（32×32）计算力敏感点单元的相对位置。为了能够在一定的时间内捕捉坐姿压力的动态变化，例如，将视觉图像以每秒约24帧的速度更新。
综上，本发明针对坐姿，使用压力薄膜进行大面积高精度压力识别，使用wifi等无线模块进行数据传输，使用低成本树莓派等数据处理设备进行深度学习模型运算，通过灯光和声音提示坐姿状态，这些设计使得坐姿监测系统具有数据采集精度高、设备便携、成本低、姿势判断准确、及时提醒等优势。
参见图5所示，以树莓派作为数据处理设备，以高精度阵列式柔性石墨烯压阻薄膜作为压力传感器为例，所提供的坐姿监测系统的处理流程包括以下步骤：
步骤S510，高精度阵列式柔性石墨烯压阻薄膜感测压力信号。
步骤S520，数据采集板获取原始压力数据。
步骤S530，数据采集板经由wifi无线模块传输数据。
步骤S540，树莓派利用串口模块接收wifi无线模块的压力数据。
步骤S550，树莓派进行数据清洗。
具体地，考虑到人坐在压阻薄膜上可能会有其他压力干扰，可对数据进行清洗。例如，根据压力面积大小，过滤掉面积小于阈值的压力区域。由于数据采集板硬件中的电子干扰，图像上可能会显示一些小的激活区域，这可能对图像产生干扰，因此采用阈值法滤除噪声，获得清洗后的压力数据。
步骤S560，利用深度学习模型计算当前姿势，获得姿势计算结果。
在压力数据清洗后，作为输入数据进入人工神经网络模型（或称深度学习模型），经由模型计算后，输出当前坐姿类别，根据坐姿类别判断当前坐姿是否正确，并通过声音或者灯光等方式提示当前坐姿不正确，从而对用户起到警示作用，达到纠正坐姿的效果。
如图6是人工神经网络的示意图，其总体上是由输入层、隐藏层、输出层组成的网络结构。输入层作用是对输入数据进行处理；隐藏层的每层包含大量神经元，能够对相应的特征进行计算；输出层将隐藏层输出的内容映射到输出类别。人工神经网络计算流程包含了初始化网络权值和神经网络阈值、前向传播、反向传播等。
例如，神经网络初始化网络权值和阈值使用随机化方法；前向传播则是一层一层地计算隐藏层神经元和输出层神经元的输入和输出；反向传播是按照损失函数修正权值和阈值。损失函数是预测类别和真实类别的真假，表示为：
Figure dest_path_image001
（1）
其中，L表示计算函数；Y表示样本真实值；F(X)表示模型预测值。
在实际应用中，首先采集大量的样本数据，每条样本数据反映坐姿压力数据分布与已知坐姿类别标签之间的对应关系，各样本数据可以针对某一用户采集，以专用于特定用户，或采集多个用户的压力数据分布，以提高系统的适用性。将样本收据构建为训练数据集和测试数据集，例如采用80%样本作为训练数据，20%数据作为测试数据，对模型采用多轮训练方式进行训练，最终模型的准确率达到能够准确识别用户当前坐姿的要求。将训练后的模型嵌入到树莓派即可实时预测用户坐姿类别。
深度学习模型可采用多种类型，例如，卷积网络或深度信念网络DBN等。本发明对网络类型和具体结构不进行限制。
在一个实施例中，坐姿有8个类别，分别是正坐、二郎腿、左倾、右倾、前倾脚平放、前倾脚伸长、后倾脚平放、后倾脚伸长。这8个类别涵盖了常用的坐姿，其中除正坐外，长时间采用其他坐姿，都会对人体造成不同程度的损害。除了上述的静态坐姿外，也可包含动态坐姿，例如采用二郎腿坐姿的抖腿和姿态等。在实际应用中，坐姿类别的数目和对应的姿势可根据需要进行细分。
需说明的是，深度学习模型可在服务器或云端离线预训练，将训练好的模型嵌入到数据处理设备，即可实现实时的坐姿类别识别。
步骤S570，判断当前姿势是否正确。
例如，如果识别结果是正坐，则认为是正确姿势，而其他类别则认为是不正确姿势。
步骤S580，如不正确，则进行提示。
在判断为坐姿不正确的情况下，可通过声音或灯光提示用户坐姿存在问题，并可以进一步给出纠正建议。
综上，本发明的系统硬件结构非常精简。当用户位于坐姿监测垫上时，臀部对坐垫中的压阻薄膜传感器产生压力，在臀部压力作用下，由压阻薄膜检测到各个压力点的变化，采集到坐姿的多组压力信号。压力信号经由接口转接板连接的数据采集板转换电路进行处理，通过wifi无线模块传输至树莓派系统，作为人工智能学习系统的输入数据，接下来人工智能系统中的模型对输入数据进行计算，最终计算出结果，并在显示屏显示当前坐姿压力分布，以及计算结果。若坐姿不正确，通过声音及灯光提示用户坐姿存在问题。经过针对多个用户的测试，本发明识别准确率很高，能够动态识别用户坐姿变化，系统运行稳定，提醒方式有效，能够提供实时的坐姿调整建议，使用户保持正确坐姿。
综上所述，相对于传统背带技术造成人体额外损伤，本发明使用非硬纠正技术，不需要进行穿戴，通过提醒方式，可为用户培养良好习惯。相较于基于视觉技术，本发明在提升监测准确率情况下，具有成本低的优点。相较于多个单点传感器，本发明具有采集数据丰富，监测准确率高，便携性强的优点。因此，本发明提供的监测系统具有准确率高、体积小、便携性强、使用方便、成本低、不受地域环境限制的优势，能克服现有场景式、图像式方法对设备和环境要求高的缺陷。本发明对用户不造成过多干扰情况下，提醒用户当前坐姿是否正确，保护用户免受坐姿错误造成的身体损伤，并对人体坐姿和人体健康关系提供可靠、有效的分析数据。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++、Python等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

  1. 一种基于臀部压力的柔性智能坐姿监测系统，包括：压阻薄膜传感器、接口转接板、数据采集板和数据处理设备，其中，压阻薄膜传感器包含多个力敏感点单元，用于感测用户的坐姿压力；数据采集板经由接口转接板采集压阻薄膜传感器感测到的压力分布数据，并传输至数据处理设备；数据处理设备对接收的压力分布数据进行处理，并利用经训练的深度学习模型识别用户的坐姿类别。
  2. 根据权利要求1所述的系统，其特征在于，所述压阻薄膜传感器设置为包含1024个力敏感点单元，压力采集区域设置为400mm×400mm，每个力敏感点单元根据所述压阻薄膜传感器的行通道标识和列通道标识进行定位。
  3. 根据权利要求1所述的系统，其特征在于，所述坐姿类别划分为静态坐姿和动态坐姿，其中静态坐姿包括正坐、二郎腿、左倾、右倾、前倾脚平放、前倾脚伸长、后倾脚平放、后倾脚伸长，动态坐姿包括二郎腿坐姿的抖腿。
  4. 根据权利要求1所述的系统，其特征在于，在判断为坐姿不正确的情况下，所述数据处理设备还用于通过声音或者灯光进行提示。
  5. 根据权利要求1所述的系统，其特征在于，所述压阻薄膜传感器设置于坐垫中间，所述数据采集板设置于坐垫的器件模块盒，所述数据采集板和所述数据处理设备之间采用无线方式传输数据。
  6. 根据权利要求2所述的系统，其特征在于，所述数据处理设备还用于根据以下方式可视化坐姿压力：采用正方形表示所述压阻薄膜传感器中的力敏感点单元，不同级别的压力值用不同的颜色表示，使用32×32矩阵计算各力敏感点单元的相对位置。
  7. 根据权利要求6所述的系统，其特征在于，所述可视化坐姿压力的视觉图像以每秒24帧的速度更新，以在设定时间内捕捉坐姿压力的动态变化。
  8. 根据权利要求6所述的系统，其特征在于，所述数据处理设备在可视化坐姿压力后，还包括根据各正方形的压力面积，过滤掉面积小于设定阈值的压力区域。
  9. 根据权利要求6所述的系统，其特征在于，所述数据处理设备包括树莓派、个人计算机或者单片机。
  10. 一种根据权利要求1至9任一项所述的系统的基于臀部压力的柔性智能坐姿监测方法，包括以下步骤：
    采集压阻薄膜传感器感测到的压力分布数据；
    对所述压力分布数据进行处理，并利用经训练的深度学习模型识别用户的坐姿类别。
PCT/CN2022/138180 2021-12-09 2022-12-09 一种基于臀部压力的柔性智能坐姿监测系统 WO2023104206A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111502039.X 2021-12-09
CN202111502039.XA CN114323368A (zh) 2021-12-09 2021-12-09 一种基于臀部压力的柔性智能坐姿监测系统

Publications (1)

Publication Number Publication Date
WO2023104206A1 true WO2023104206A1 (zh) 2023-06-15

Family

ID=81051384

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/138180 WO2023104206A1 (zh) 2021-12-09 2022-12-09 一种基于臀部压力的柔性智能坐姿监测系统

Country Status (2)

Country Link
CN (1) CN114323368A (zh)
WO (1) WO2023104206A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116884083A (zh) * 2023-06-21 2023-10-13 圣奥科技股份有限公司 一种基于人体关键点的坐姿检测方法、介质及设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114323368A (zh) * 2021-12-09 2022-04-12 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
CN114739543A (zh) * 2022-04-21 2022-07-12 深圳国微感知技术有限公司 压力分布测量的自适应识别系统
CN114954149B (zh) * 2022-06-22 2023-03-14 江苏瑞斯盈汽车内饰科技有限公司 具有离位感应功能的驾驶员座椅总成

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003111646A (ja) * 2001-10-03 2003-04-15 Ergo Seating Kk 身体圧分布の基本特性測定・解析システムおよび身体圧分布の経時的変化予測・評価システム
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
JP2018102861A (ja) * 2016-12-28 2018-07-05 株式会社槌屋 座位姿勢モニタリングシステム
CN110353688A (zh) * 2019-07-04 2019-10-22 东喜和仪(珠海市)数据科技有限公司 基于人工智能和电子皮肤的臀部接触数据进行坐姿分析的方法
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
CN113384266A (zh) * 2021-07-26 2021-09-14 合肥工业大学 一种智能坐姿监测分析系统及方法
CN113627236A (zh) * 2021-06-24 2021-11-09 广东技术师范大学 一种坐姿识别方法、装置、设备及存储介质
CN114323368A (zh) * 2021-12-09 2022-04-12 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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107296427A (zh) * 2017-08-24 2017-10-27 云康新智能科技（深圳）有限公司 一种坐垫及坐姿分析方法
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
CN112315459B (zh) * 2020-11-26 2021-10-22 中国科学技术大学 一种多功能数字化评估智能座椅
CN112617815B (zh) * 2020-12-17 2023-05-09 深圳数联天下智能科技有限公司 一种坐姿评估方法、装置、计算机设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003111646A (ja) * 2001-10-03 2003-04-15 Ergo Seating Kk 身体圧分布の基本特性測定・解析システムおよび身体圧分布の経時的変化予測・評価システム
JP2018102861A (ja) * 2016-12-28 2018-07-05 株式会社槌屋 座位姿勢モニタリングシステム
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
CN110353688A (zh) * 2019-07-04 2019-10-22 东喜和仪(珠海市)数据科技有限公司 基于人工智能和电子皮肤的臀部接触数据进行坐姿分析的方法
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
CN113627236A (zh) * 2021-06-24 2021-11-09 广东技术师范大学 一种坐姿识别方法、装置、设备及存储介质
CN113384266A (zh) * 2021-07-26 2021-09-14 合肥工业大学 一种智能坐姿监测分析系统及方法
CN114323368A (zh) * 2021-12-09 2022-04-12 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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116884083A (zh) * 2023-06-21 2023-10-13 圣奥科技股份有限公司 一种基于人体关键点的坐姿检测方法、介质及设备

Also Published As

Publication number Publication date
CN114323368A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
WO2023104206A1 (zh) 一种基于臀部压力的柔性智能坐姿监测系统
Xu et al. ecushion: A textile pressure sensor array design and calibration for sitting posture analysis
CN103959357B (zh) 用于眼科检查培训的系统和方法
CN111656304B (zh) 通信方法及系统
CN110321786A (zh) 一种基于深度学习的人体坐姿实时监视方法和系统
Hoffmann et al. Evaluation of an audio-haptic sensory substitution device for enhancing spatial awareness for the visually impaired
Estrada et al. Real-time human sitting posture detection using mobile devices
CN107169453A (zh) 一种基于深度传感器的坐姿检测方法
TW200924706A (en) Emotion sensing and relaxing system and its method
Kumar et al. Care-chair: Sedentary activities and behavior assessment with smart sensing on chair backrest
JP7183483B1 (ja) 自動的で客観的な症状の重症度スコア
CN110020628A (zh) 基于面部检测的坐姿检测方法、系统、设备及存储介质
WO2016001796A1 (en) Eye condition determination system
CN109512188A (zh) 一种坐姿检测方法和装置以及座椅
CN111985371A (zh) 坐姿检测方法、坐姿检测设备及课桌
CN106781320A (zh) 一种书写姿势监控及提醒系统
CN108697389B (zh) 用于支持神经状态评估和神经康复的系统和方法，尤其是认知和/或言语功能障碍
Yuan et al. Smart cushion based on pressure sensor array for human sitting posture recognition
Tlili et al. A Survey on sitting posture monitoring systems
KR20200000680U (ko) 학습 집중도 향상 장치
JP6712027B1 (ja) 学習支援システム
WO2024038134A1 (en) Methods and devices in performing a vision testing procedure on a person
CN112464776A (zh) 一种学习状态监测方法、系统和装置
KR20160096506A (ko) Ｌｃｍ 시스템 및 이를 이용한 자세 교정 방법
CN109783999B (zh) 校园近视防控装置及方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22903623

Country of ref document: EP

Kind code of ref document: A1